warnings.warn(
  0%|▊                                                                                                                                                                   | 100/20000 [00:44<2:22:38,  2.33it/s]tensor(0.2153, device='cuda:0', grad_fn=<NllLossBackward0>)
  1%|█▋                                                                                                                                                                  | 200/20000 [01:28<2:23:06,  2.31it/s]tensor(0.2829, device='cuda:0', grad_fn=<NllLossBackward0>)
  2%|██▍                                                                                                                                                                 | 300/20000 [02:12<2:25:44,  2.25it/s]tensor(0.4244, device='cuda:0', grad_fn=<NllLossBackward0>)
  2%|███▎                                                                                                                                                                | 400/20000 [02:56<2:22:08,  2.30it/s]tensor(0.4839, device='cuda:0', grad_fn=<NllLossBackward0>)
  2%|████                                                                                                                                                                | 500/20000 [03:40<2:23:15,  2.27it/s]tensor(0.8425, device='cuda:0', grad_fn=<NllLossBackward0>)
  3%|████▉                                                                                                                                                               | 600/20000 [04:25<2:22:27,  2.27it/s]tensor(0.5805, device='cuda:0', grad_fn=<NllLossBackward0>)
  4%|█████▋                                                                                                                                                              | 700/20000 [05:10<2:22:23,  2.26it/s]tensor(0.2978, device='cuda:0', grad_fn=<NllLossBackward0>)
  4%|██████▌                                                                                                                                                             | 800/20000 [05:54<2:21:38,  2.26it/s]tensor(0.1273, device='cuda:0', grad_fn=<NllLossBackward0>)
  4%|███████▍                                                                                                                                                            | 900/20000 [06:38<2:20:14,  2.27it/s]tensor(0.4796, device='cuda:0', grad_fn=<NllLossBackward0>)
  5%|████████▏                                                                                                                                                          | 1000/20000 [07:22<2:19:26,  2.27it/s]tensor(0.2239, device='cuda:0', grad_fn=<NllLossBackward0>)
  6%|████████▉                                                                                                                                                          | 1100/20000 [08:08<2:19:36,  2.26it/s]tensor(0.1004, device='cuda:0', grad_fn=<NllLossBackward0>)
  6%|█████████▊                                                                                                                                                         | 1200/20000 [08:52<2:16:58,  2.29it/s]tensor(0.5236, device='cuda:0', grad_fn=<NllLossBackward0>)
  6%|██████████▌                                                                                                                                                        | 1300/20000 [09:36<2:20:33,  2.22it/s]tensor(0.1152, device='cuda:0', grad_fn=<NllLossBackward0>)
  7%|███████████▍                                                                                                                                                       | 1400/20000 [10:20<2:15:36,  2.29it/s]tensor(0.0998, device='cuda:0', grad_fn=<NllLossBackward0>)
  8%|████████████▏                                                                                                                                                      | 1500/20000 [11:04<2:16:26,  2.26it/s]tensor(1.0691, device='cuda:0', grad_fn=<NllLossBackward0>)
  8%|█████████████                                                                                                                                                      | 1600/20000 [11:50<2:14:11,  2.29it/s]tensor(0.4395, device='cuda:0', grad_fn=<NllLossBackward0>)
  8%|█████████████▊                                                                                                                                                     | 1700/20000 [12:34<2:14:35,  2.27it/s]tensor(0.6709, device='cuda:0', grad_fn=<NllLossBackward0>)
  9%|██████████████▋                                                                                                                                                    | 1800/20000 [13:18<2:13:14,  2.28it/s]tensor(0.0770, device='cuda:0', grad_fn=<NllLossBackward0>)
 10%|███████████████▍                                                                                                                                                   | 1900/20000 [14:02<2:12:24,  2.28it/s]tensor(0.0756, device='cuda:0', grad_fn=<NllLossBackward0>)
 10%|████████████████▎                                                                                                                                                  | 2000/20000 [14:47<2:13:32,  2.25it/s]tensor(0.3683, device='cuda:0', grad_fn=<NllLossBackward0>)
 10%|█████████████████                                                                                                                                                  | 2100/20000 [15:32<2:12:21,  2.25it/s]tensor(0.1180, device='cuda:0', grad_fn=<NllLossBackward0>)
 11%|█████████████████▉                                                                                                                                                 | 2200/20000 [16:16<2:10:11,  2.28it/s]tensor(0.1589, device='cuda:0', grad_fn=<NllLossBackward0>)
 12%|██████████████████▋                                                                                                                                                | 2300/20000 [17:00<2:11:19,  2.25it/s]tensor(0.1791, device='cuda:0', grad_fn=<NllLossBackward0>)
 12%|███████████████████▌                                                                                                                                               | 2400/20000 [17:45<2:11:17,  2.23it/s]tensor(0.0636, device='cuda:0', grad_fn=<NllLossBackward0>)
 12%|████████████████████▍                                                                                                                                              | 2500/20000 [18:29<2:07:58,  2.28it/s]tensor(0.2253, device='cuda:0', grad_fn=<NllLossBackward0>)
 13%|█████████████████████▏                                                                                                                                             | 2600/20000 [19:14<2:06:56,  2.28it/s]tensor(0.1003, device='cuda:0', grad_fn=<NllLossBackward0>)
 14%|██████████████████████                                                                                                                                             | 2700/20000 [19:59<2:11:46,  2.19it/s]tensor(0.0455, device='cuda:0', grad_fn=<NllLossBackward0>)
 14%|██████████████████████▊                                                                                                                                            | 2800/20000 [20:43<2:07:26,  2.25it/s]tensor(0.0448, device='cuda:0', grad_fn=<NllLossBackward0>)
 14%|███████████████████████▋                                                                                                                                           | 2900/20000 [21:27<2:04:02,  2.30it/s]tensor(1.4607, device='cuda:0', grad_fn=<NllLossBackward0>)
 15%|████████████████████████▍                                                                                                                                          | 3000/20000 [22:12<2:05:21,  2.26it/s]tensor(0.2705, device='cuda:0', grad_fn=<NllLossBackward0>)
 16%|█████████████████████████▎                                                                                                                                         | 3100/20000 [22:56<2:05:18,  2.25it/s]tensor(0.7325, device='cuda:0', grad_fn=<NllLossBackward0>)
 16%|██████████████████████████                                                                                                                                         | 3200/20000 [23:41<2:05:29,  2.23it/s]tensor(0.5659, device='cuda:0', grad_fn=<NllLossBackward0>)
 16%|██████████████████████████▉                                                                                                                                        | 3300/20000 [24:25<2:01:54,  2.28it/s]tensor(0.4207, device='cuda:0', grad_fn=<NllLossBackward0>)
 17%|███████████████████████████▋                                                                                                                                       | 3400/20000 [25:09<2:00:37,  2.29it/s]tensor(0.1988, device='cuda:0', grad_fn=<NllLossBackward0>)
 18%|████████████████████████████▌                                                                                                                                      | 3500/20000 [25:53<2:01:50,  2.26it/s]tensor(0.4434, device='cuda:0', grad_fn=<NllLossBackward0>)
 18%|█████████████████████████████▎                                                                                                                                     | 3600/20000 [26:38<1:58:26,  2.31it/s]tensor(0.3255, device='cuda:0', grad_fn=<NllLossBackward0>)
 18%|██████████████████████████████▏                                                                                                                                    | 3700/20000 [27:22<1:58:50,  2.29it/s]tensor(0.7106, device='cuda:0', grad_fn=<NllLossBackward0>)
 19%|██████████████████████████████▉                                                                                                                                    | 3800/20000 [28:06<1:58:24,  2.28it/s]tensor(0.2896, device='cuda:0', grad_fn=<NllLossBackward0>)
 20%|███████████████████████████████▊                                                                                                                                   | 3900/20000 [28:50<1:59:48,  2.24it/s]tensor(0.4560, device='cuda:0', grad_fn=<NllLossBackward0>)
 20%|████████████████████████████████▌                                                                                                                                  | 4000/20000 [29:34<1:55:21,  2.31it/s]tensor(0.4117, device='cuda:0', grad_fn=<NllLossBackward0>)
 20%|█████████████████████████████████▍                                                                                                                                 | 4100/20000 [30:19<1:56:52,  2.27it/s]tensor(0.5676, device='cuda:0', grad_fn=<NllLossBackward0>)
 21%|██████████████████████████████████▏                                                                                                                                | 4200/20000 [31:02<1:54:18,  2.30it/s]tensor(0.6837, device='cuda:0', grad_fn=<NllLossBackward0>)
 22%|███████████████████████████████████                                                                                                                                | 4300/20000 [31:46<1:55:28,  2.27it/s]tensor(0.6246, device='cuda:0', grad_fn=<NllLossBackward0>)
 22%|███████████████████████████████████▊                                                                                                                               | 4400/20000 [32:30<1:54:42,  2.27it/s]tensor(0.1902, device='cuda:0', grad_fn=<NllLossBackward0>)
 22%|████████████████████████████████████▋                                                                                                                              | 4500/20000 [33:14<1:53:41,  2.27it/s]tensor(0.1851, device='cuda:0', grad_fn=<NllLossBackward0>)
 23%|█████████████████████████████████████▍                                                                                                                             | 4600/20000 [33:59<1:54:26,  2.24it/s]tensor(0.3036, device='cuda:0', grad_fn=<NllLossBackward0>)
 24%|██████████████████████████████████████▎                                                                                                                            | 4700/20000 [34:43<1:50:33,  2.31it/s]tensor(0.4695, device='cuda:0', grad_fn=<NllLossBackward0>)
 24%|███████████████████████████████████████                                                                                                                            | 4800/20000 [35:27<1:51:37,  2.27it/s]tensor(0.1996, device='cuda:0', grad_fn=<NllLossBackward0>)
 24%|███████████████████████████████████████▉                                                                                                                           | 4900/20000 [36:11<1:49:27,  2.30it/s]tensor(0.6927, device='cuda:0', grad_fn=<NllLossBackward0>)
 25%|████████████████████████████████████████▊                                                                                                                          | 5000/20000 [36:55<1:49:33,  2.28it/s]tensor(0.2079, device='cuda:0', grad_fn=<NllLossBackward0>)
 26%|█████████████████████████████████████████▌                                                                                                                         | 5100/20000 [37:39<1:48:35,  2.29it/s]tensor(0.5385, device='cuda:0', grad_fn=<NllLossBackward0>)
 26%|██████████████████████████████████████████▍                                                                                                                        | 5200/20000 [38:23<1:48:04,  2.28it/s]tensor(0.3138, device='cuda:0', grad_fn=<NllLossBackward0>)
 26%|███████████████████████████████████████████▏                                                                                                                       | 5300/20000 [39:07<1:48:06,  2.27it/s]tensor(0.2337, device='cuda:0', grad_fn=<NllLossBackward0>)
 27%|████████████████████████████████████████████                                                                                                                       | 5400/20000 [39:51<1:48:56,  2.23it/s]tensor(0.3529, device='cuda:0', grad_fn=<NllLossBackward0>)
 28%|████████████████████████████████████████████▊                                                                                                                      | 5500/20000 [40:35<1:45:55,  2.28it/s]tensor(0.8703, device='cuda:0', grad_fn=<NllLossBackward0>)
 28%|█████████████████████████████████████████████▋                                                                                                                     | 5600/20000 [41:19<1:45:19,  2.28it/s]tensor(0.4775, device='cuda:0', grad_fn=<NllLossBackward0>)
 28%|██████████████████████████████████████████████▍                                                                                                                    | 5700/20000 [42:04<1:44:33,  2.28it/s]tensor(0.2495, device='cuda:0', grad_fn=<NllLossBackward0>)
 29%|███████████████████████████████████████████████▎                                                                                                                   | 5800/20000 [42:48<1:44:23,  2.27it/s]tensor(0.4124, device='cuda:0', grad_fn=<NllLossBackward0>)
 30%|████████████████████████████████████████████████                                                                                                                   | 5900/20000 [43:32<1:44:07,  2.26it/s]tensor(0.3017, device='cuda:0', grad_fn=<NllLossBackward0>)
 30%|████████████████████████████████████████████████▉                                                                                                                  | 6000/20000 [44:16<1:42:16,  2.28it/s]tensor(0.8822, device='cuda:0', grad_fn=<NllLossBackward0>)
 30%|█████████████████████████████████████████████████▋                                                                                                                 | 6100/20000 [45:00<1:41:17,  2.29it/s]tensor(0.6037, device='cuda:0', grad_fn=<NllLossBackward0>)
 31%|██████████████████████████████████████████████████▌                                                                                                                | 6200/20000 [45:44<1:40:52,  2.28it/s]tensor(0.4635, device='cuda:0', grad_fn=<NllLossBackward0>)
 32%|███████████████████████████████████████████████████▎                                                                                                               | 6300/20000 [46:28<1:41:07,  2.26it/s]tensor(0.2707, device='cuda:0', grad_fn=<NllLossBackward0>)
 32%|████████████████████████████████████████████████████▏                                                                                                              | 6400/20000 [47:12<1:40:46,  2.25it/s]tensor(0.8428, device='cuda:0', grad_fn=<NllLossBackward0>)
 32%|████████████████████████████████████████████████████▉                                                                                                              | 6500/20000 [47:56<1:39:50,  2.25it/s]tensor(0.3684, device='cuda:0', grad_fn=<NllLossBackward0>)
 33%|█████████████████████████████████████████████████████▊                                                                                                             | 6600/20000 [48:41<1:37:53,  2.28it/s]tensor(0.2327, device='cuda:0', grad_fn=<NllLossBackward0>)
 34%|██████████████████████████████████████████████████████▌                                                                                                            | 6700/20000 [49:25<1:38:25,  2.25it/s]tensor(nan, device='cuda:0', grad_fn=<NllLossBackward0>)
 34%|███████████████████████████████████████████████████████▍                                                                                                           | 6800/20000 [50:09<1:35:43,  2.30it/s]tensor(0.1983, device='cuda:0', grad_fn=<NllLossBackward0>)
 34%|████████████████████████████████████████████████████████▏                                                                                                          | 6900/20000 [50:53<1:35:39,  2.28it/s]tensor(0.2152, device='cuda:0', grad_fn=<NllLossBackward0>)
 35%|█████████████████████████████████████████████████████████                                                                                                          | 7000/20000 [51:37<1:35:24,  2.27it/s]tensor(0.3079, device='cuda:0', grad_fn=<NllLossBackward0>)
 36%|█████████████████████████████████████████████████████████▊                                                                                                         | 7100/20000 [52:22<1:33:56,  2.29it/s]tensor(0.1572, device='cuda:0', grad_fn=<NllLossBackward0>)
 36%|██████████████████████████████████████████████████████████▋                                                                                                        | 7200/20000 [53:06<1:33:24,  2.28it/s]tensor(0.3412, device='cuda:0', grad_fn=<NllLossBackward0>)
 36%|███████████████████████████████████████████████████████████▍                                                                                                       | 7300/20000 [53:50<1:32:57,  2.28it/s]tensor(0.4371, device='cuda:0', grad_fn=<NllLossBackward0>)
 37%|████████████████████████████████████████████████████████████▎                                                                                                      | 7400/20000 [54:34<1:33:04,  2.26it/s]tensor(0.2853, device='cuda:0', grad_fn=<NllLossBackward0>)
 38%|█████████████████████████████████████████████████████████████▏                                                                                                     | 7500/20000 [55:18<1:32:55,  2.24it/s]tensor(0.3847, device='cuda:0', grad_fn=<NllLossBackward0>)
 38%|█████████████████████████████████████████████████████████████▉                                                                                                     | 7600/20000 [56:03<1:30:53,  2.27it/s]tensor(0.3116, device='cuda:0', grad_fn=<NllLossBackward0>)
 38%|██████████████████████████████████████████████████████████████▊                                                                                                    | 7700/20000 [56:47<1:29:47,  2.28it/s]tensor(0.3328, device='cuda:0', grad_fn=<NllLossBackward0>)
 39%|███████████████████████████████████████████████████████████████▌                                                                                                   | 7800/20000 [57:31<1:30:18,  2.25it/s]tensor(0.2644, device='cuda:0', grad_fn=<NllLossBackward0>)
 40%|████████████████████████████████████████████████████████████████▍                                                                                                  | 7900/20000 [58:16<1:44:56,  1.92it/s]tensor(0.1800, device='cuda:0', grad_fn=<NllLossBackward0>)
 40%|█████████████████████████████████████████████████████████████████▏                                                                                                 | 8000/20000 [59:04<1:32:53,  2.15it/s]tensor(0.2355, device='cuda:0', grad_fn=<NllLossBackward0>)
 40%|██████████████████████████████████████████████████████████████████                                                                                                 | 8100/20000 [59:49<1:26:17,  2.30it/s]tensor(0.5495, device='cuda:0', grad_fn=<NllLossBackward0>)
 41%|██████████████████████████████████████████████████████████████████                                                                                               | 8200/20000 [1:00:32<1:26:43,  2.27it/s]tensor(0.3564, device='cuda:0', grad_fn=<NllLossBackward0>)
 42%|██████████████████████████████████████████████████████████████████▊                                                                                              | 8300/20000 [1:01:16<1:24:41,  2.30it/s]tensor(0.4840, device='cuda:0', grad_fn=<NllLossBackward0>)
 42%|███████████████████████████████████████████████████████████████████▌                                                                                             | 8400/20000 [1:02:00<1:25:11,  2.27it/s]tensor(0.2846, device='cuda:0', grad_fn=<NllLossBackward0>)
 42%|████████████████████████████████████████████████████████████████████▍                                                                                            | 8500/20000 [1:02:44<1:25:55,  2.23it/s]tensor(0.2893, device='cuda:0', grad_fn=<NllLossBackward0>)
 43%|█████████████████████████████████████████████████████████████████████▏                                                                                           | 8600/20000 [1:03:29<1:22:42,  2.30it/s]tensor(0.2724, device='cuda:0', grad_fn=<NllLossBackward0>)
 44%|██████████████████████████████████████████████████████████████████████                                                                                           | 8700/20000 [1:04:13<1:22:16,  2.29it/s]tensor(0.2532, device='cuda:0', grad_fn=<NllLossBackward0>)
 44%|██████████████████████████████████████████████████████████████████████▊                                                                                          | 8800/20000 [1:04:57<1:22:11,  2.27it/s]tensor(0.4647, device='cuda:0', grad_fn=<NllLossBackward0>)
 44%|███████████████████████████████████████████████████████████████████████▋                                                                                         | 8900/20000 [1:05:41<1:22:10,  2.25it/s]tensor(0.3032, device='cuda:0', grad_fn=<NllLossBackward0>)
 45%|████████████████████████████████████████████████████████████████████████▍                                                                                        | 9000/20000 [1:06:25<1:20:57,  2.26it/s]tensor(0.3943, device='cuda:0', grad_fn=<NllLossBackward0>)
 46%|█████████████████████████████████████████████████████████████████████████▎                                                                                       | 9100/20000 [1:07:15<1:19:53,  2.27it/s]tensor(0.4976, device='cuda:0', grad_fn=<NllLossBackward0>)
 46%|██████████████████████████████████████████████████████████████████████████                                                                                       | 9200/20000 [1:07:59<1:18:57,  2.28it/s]tensor(0.2800, device='cuda:0', grad_fn=<NllLossBackward0>)
 46%|██████████████████████████████████████████████████████████████████████████▊                                                                                      | 9300/20000 [1:08:43<1:17:47,  2.29it/s]tensor(0.2511, device='cuda:0', grad_fn=<NllLossBackward0>)
 47%|███████████████████████████████████████████████████████████████████████████▋                                                                                     | 9400/20000 [1:09:27<1:18:01,  2.26it/s]tensor(0.3797, device='cuda:0', grad_fn=<NllLossBackward0>)
 48%|████████████████████████████████████████████████████████████████████████████▍                                                                                    | 9500/20000 [1:10:11<1:16:36,  2.28it/s]tensor(0.2014, device='cuda:0', grad_fn=<NllLossBackward0>)
 48%|█████████████████████████████████████████████████████████████████████████████▎                                                                                   | 9600/20000 [1:10:55<1:15:53,  2.28it/s]tensor(0.8036, device='cuda:0', grad_fn=<NllLossBackward0>)
 48%|██████████████████████████████████████████████████████████████████████████████                                                                                   | 9700/20000 [1:11:39<1:15:49,  2.26it/s]tensor(0.2857, device='cuda:0', grad_fn=<NllLossBackward0>)
 49%|██████████████████████████████████████████████████████████████████████████████▉                                                                                  | 9800/20000 [1:12:23<1:14:15,  2.29it/s]tensor(0.2825, device='cuda:0', grad_fn=<NllLossBackward0>)
 49%|██████████████████████████████████████████████████████████████████████████████▉                                                                                  | 9812/20000 [1:12:28<1:14:39,  2.27it/s]