running on cpu
Loading file...
986410
Generating testset...

  0%|                                                 | 0/10000 [00:00<?, ?it/s]
  4%|█▎                                   | 351/10000 [00:00<00:02, 3501.36it/s]
  7%|██▌                                  | 702/10000 [00:00<00:02, 3503.08it/s]
 11%|███▊                                | 1055/10000 [00:00<00:02, 3508.80it/s]
 14%|█████                               | 1414/10000 [00:00<00:02, 3530.39it/s]
 18%|██████▍                             | 1783/10000 [00:00<00:02, 3574.41it/s]
 21%|███████▌                            | 2110/10000 [00:00<00:02, 3477.22it/s]
 25%|████████▉                           | 2477/10000 [00:00<00:02, 3532.52it/s]
 28%|██████████▏                         | 2843/10000 [00:00<00:02, 3567.42it/s]
 32%|███████████▌                        | 3208/10000 [00:00<00:01, 3591.39it/s]
 36%|████████████▊                       | 3576/10000 [00:01<00:01, 3616.43it/s]
 39%|██████████████▏                     | 3939/10000 [00:01<00:01, 3618.86it/s]
 43%|███████████████▍                    | 4299/10000 [00:01<00:01, 3611.50it/s]
 47%|████████████████▊                   | 4669/10000 [00:01<00:01, 3637.32it/s]
 50%|██████████████████                  | 5034/10000 [00:01<00:01, 3638.78it/s]
 54%|███████████████████▍                | 5396/10000 [00:01<00:01, 3626.96it/s]
 58%|████████████████████▋               | 5758/10000 [00:01<00:02, 2008.02it/s]
 61%|██████████████████████              | 6123/10000 [00:01<00:01, 2320.98it/s]
 65%|███████████████████████▎            | 6490/10000 [00:02<00:01, 2608.03it/s]
 68%|████████████████████████▌           | 6819/10000 [00:02<00:01, 2780.02it/s]
 72%|█████████████████████████▊          | 7181/10000 [00:02<00:00, 2986.41it/s]
 75%|███████████████████████████▏        | 7544/10000 [00:02<00:00, 3153.54it/s]
 79%|████████████████████████████▍       | 7911/10000 [00:02<00:00, 3290.70it/s]
 83%|█████████████████████████████▊      | 8280/10000 [00:02<00:00, 3400.46it/s]
 87%|███████████████████████████████▏    | 8651/10000 [00:02<00:00, 3486.08it/s]
 90%|████████████████████████████████▍   | 9021/10000 [00:02<00:00, 3545.16it/s]
 94%|█████████████████████████████████▊  | 9390/10000 [00:02<00:00, 3587.24it/s]
 98%|███████████████████████████████████▏| 9760/10000 [00:02<00:00, 3618.90it/s]
100%|███████████████████████████████████| 10000/10000 [00:03<00:00, 3290.24it/s]
Generating trainset...

  0%|                                                  | 0/9999 [00:00<?, ?it/s]
  4%|█▎                                    | 350/9999 [00:00<00:02, 3495.50it/s]
  7%|██▋                                   | 715/9999 [00:00<00:02, 3538.49it/s]
 11%|████                                 | 1081/9999 [00:00<00:02, 3573.92it/s]
 14%|█████▎                               | 1448/9999 [00:00<00:02, 3599.96it/s]
 18%|██████▋                              | 1819/9999 [00:00<00:02, 3629.98it/s]
 22%|████████                             | 2186/9999 [00:00<00:02, 3640.84it/s]
 26%|█████████▍                           | 2555/9999 [00:00<00:02, 3655.21it/s]
 29%|██████████▊                          | 2923/9999 [00:00<00:01, 3661.51it/s]
 33%|████████████▏                        | 3292/9999 [00:00<00:01, 3667.77it/s]
 37%|█████████████▌                       | 3661/9999 [00:01<00:01, 3672.84it/s]
 40%|██████████████▊                      | 4019/9999 [00:01<00:01, 3612.48it/s]
 44%|████████████████▏                    | 4384/9999 [00:01<00:01, 3622.65it/s]
 48%|█████████████████▌                   | 4752/9999 [00:01<00:01, 3638.28it/s]
 51%|██████████████████▉                  | 5114/9999 [00:01<00:01, 3631.61it/s]
 55%|████████████████████▎                | 5475/9999 [00:01<00:01, 3592.49it/s]
 58%|█████████████████████▌               | 5836/9999 [00:01<00:01, 3596.28it/s]
 62%|██████████████████████▉              | 6195/9999 [00:01<00:01, 3556.03it/s]
 66%|████████████████████████▎            | 6561/9999 [00:01<00:00, 3586.47it/s]
 69%|█████████████████████████▋           | 6931/9999 [00:01<00:00, 3618.99it/s]
 73%|██████████████████████████▉          | 7293/9999 [00:02<00:00, 3606.47it/s]
 77%|████████████████████████████▎        | 7662/9999 [00:02<00:00, 3630.22it/s]
 80%|█████████████████████████████▋       | 8029/9999 [00:02<00:00, 3640.63it/s]
 84%|███████████████████████████████      | 8399/9999 [00:02<00:00, 3656.62it/s]
 88%|████████████████████████████████▍    | 8766/9999 [00:02<00:00, 3659.70it/s]
 91%|█████████████████████████████████▊   | 9133/9999 [00:02<00:00, 3662.23it/s]
 95%|███████████████████████████████████▏ | 9500/9999 [00:02<00:00, 3636.64it/s]
 99%|████████████████████████████████████▌| 9865/9999 [00:02<00:00, 3637.81it/s]
100%|█████████████████████████████████████| 9999/9999 [00:02<00:00, 3630.58it/s]
Epoch: 0

  0%|                                                  | 0/3333 [00:00<?, ?it/s]tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([2, 7, 8])

  0%|                                          | 1/3333 [00:00<14:08,  3.93it/s]tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([9, 9, 3])
tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([3, 9, 9])

  0%|                                          | 3/3333 [00:00<11:33,  4.80it/s]tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([9, 1, 4])
tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([4, 2, 9])

  0%|                                          | 5/3333 [00:00<09:44,  5.69it/s]tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([6, 4, 9])

  0%|                                          | 6/3333 [00:00<08:30,  6.52it/s]tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([9, 9, 1])

  0%|                                          | 7/3333 [00:00<07:36,  7.28it/s]tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([9, 7, 9])

  0%|                                          | 8/3333 [00:00<06:59,  7.93it/s]tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([1, 3, 0])
tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([5, 2, 9])

  0%|                                         | 10/3333 [00:01<06:33,  8.45it/s]tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([9, 3, 9])

  0%|▏                                        | 11/3333 [00:01<06:14,  8.86it/s]tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([5, 4, 0])

  0%|▏                                        | 12/3333 [00:01<06:01,  9.17it/s]tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([7, 9, 3])
tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([9, 9, 1])

  0%|▏                                        | 14/3333 [00:01<05:52,  9.41it/s]tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([9, 9, 3])
tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)
tensor([9, 5, 0])

  0%|▏                                        | 16/3333 [00:01<05:46,  9.58it/s]tensor([[[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],

        [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]],
       grad_fn=<LogSoftmaxBackward>)