loraas / logs /3_log.txt

Add files using upload-large-folder tool

f6e2303 verified about 2 months ago

151 kB

	Running 1 job
	{
	"type": "diffusion_trainer",
	"training_folder": "/root/lab/ai-toolkit/output",
	"sqlite_db_path": "/root/lab/ai-toolkit/aitk_db.db",
	"device": "cuda",
	"trigger_word": "l4n4lux",
	"performance_log_every": 10,
	"network": {
	"type": "lora",
	"linear": 64,
	"linear_alpha": 64,
	"conv": 16,
	"conv_alpha": 16,
	"lokr_full_rank": true,
	"lokr_factor": -1,
	"network_kwargs": {
	"ignore_if_contains": []
	}
	},
	"save": {
	"dtype": "bf16",
	"save_every": 250,
	"max_step_saves_to_keep": 4,
	"save_format": "diffusers",
	"push_to_hub": false
	},
	"datasets": [
	{
	"folder_path": "/root/lab/ai-toolkit/datasets/lana",
	"mask_path": null,
	"mask_min_value": 0.1,
	"default_caption": "l4n4lux",
	"caption_ext": "txt",
	"caption_dropout_rate": 0.05,
	"cache_latents_to_disk": false,
	"is_reg": false,
	"network_weight": 1,
	"resolution": [
	512,
	768,
	1024
	],
	"controls": [],
	"shrink_video_to_frames": true,
	"num_frames": 1,
	"flip_x": false,
	"flip_y": false,
	"num_repeats": 1
	}
	],
	"train": {
	"batch_size": 1,
	"bypass_guidance_embedding": false,
	"steps": 5000,
	"gradient_accumulation": 1,
	"train_unet": true,
	"train_text_encoder": false,
	"gradient_checkpointing": true,
	"noise_scheduler": "flowmatch",
	"optimizer": "adamw8bit",
	"timestep_type": "sigmoid",
	"content_or_style": "balanced",
	"optimizer_params": {
	"weight_decay": 0.0001
	},
	"unload_text_encoder": false,
	"cache_text_embeddings": false,
	"lr": 0.0001,
	"ema_config": {
	"use_ema": false,
	"ema_decay": 0.99
	},
	"skip_first_sample": true,
	"force_first_sample": false,
	"disable_sampling": false,
	"dtype": "bf16",
	"diff_output_preservation": true,
	"diff_output_preservation_multiplier": 1,
	"diff_output_preservation_class": "woman",
	"switch_boundary_every": 1,
	"loss_type": "mse"
	},
	"logging": {
	"log_every": 1,
	"use_ui_logger": true
	},
	"model": {
	"name_or_path": "ai-toolkit/Wan2.2-T2V-A14B-Diffusers-bf16",
	"quantize": false,
	"qtype": "qfloat8",
	"quantize_te": false,
	"qtype_te": "qfloat8",
	"arch": "wan22_14b:t2v",
	"low_vram": false,
	"model_kwargs": {
	"train_high_noise": false,
	"train_low_noise": true
	},
	"layer_offloading": false,
	"layer_offloading_text_encoder_percent": 1,
	"layer_offloading_transformer_percent": 1
	},
	"sample": {
	"sampler": "flowmatch",
	"sample_every": 250,
	"width": 1024,
	"height": 1024,
	"samples": [
	{
	"prompt": "l4n4lux, woman with red hair, playing chess at the park, bomb going off in the background"
	}
	],
	"neg": "",
	"seed": 42,
	"walk_seed": true,
	"guidance_scale": 4,
	"sample_steps": 12,
	"num_frames": 1,
	"fps": 1
	}
	}
	Using SQLite database at /root/lab/ai-toolkit/aitk_db.db
	Job ID: "765fbd95-c627-460c-a232-147504194a44"

	#############################################
	# Running job: lana-lora-wan2.2
	#############################################


	Running 1 process
	Loading Wan model
	Loading transformer 1
	Loading checkpoint shards: 0%\| \| 0/3 [00:00<?, ?it/s] Loading checkpoint shards: 0%\| \| 0/3 [00:00<?, ?it/s] Loading checkpoint shards: 33%\|##########################3 \| 1/3 [00:00<00:00, 4.16it/s] Loading checkpoint shards: 33%\|##########################3 \| 1/3 [00:00<00:00, 4.16it/s] Loading checkpoint shards: 67%\|####################################################6 \| 2/3 [00:00<00:00, 4.33it/s] Loading checkpoint shards: 67%\|####################################################6 \| 2/3 [00:00<00:00, 4.33it/s] Loading checkpoint shards: 100%\|###############################################################################\| 3/3 [00:00<00:00, 4.69it/s] Loading checkpoint shards: 100%\|###############################################################################\| 3/3 [00:00<00:00, 4.69it/s] Loading checkpoint shards: 100%\|###############################################################################\| 3/3 [00:00<00:00, 4.56it/s] Loading checkpoint shards: 100%\|###############################################################################\| 3/3 [00:00<00:00, 4.56it/s]

	Loading transformer 2
	Loading checkpoint shards: 0%\| \| 0/3 [00:00<?, ?it/s] Loading checkpoint shards: 0%\| \| 0/3 [00:00<?, ?it/s] Loading checkpoint shards: 33%\|##########################3 \| 1/3 [00:00<00:00, 5.26it/s] Loading checkpoint shards: 33%\|##########################3 \| 1/3 [00:00<00:00, 5.26it/s] Loading checkpoint shards: 67%\|####################################################6 \| 2/3 [00:00<00:00, 5.32it/s] Loading checkpoint shards: 67%\|####################################################6 \| 2/3 [00:00<00:00, 5.32it/s] Loading checkpoint shards: 100%\|###############################################################################\| 3/3 [00:00<00:00, 5.53it/s] Loading checkpoint shards: 100%\|###############################################################################\| 3/3 [00:00<00:00, 5.53it/s] Loading checkpoint shards: 100%\|###############################################################################\| 3/3 [00:00<00:00, 5.46it/s] Loading checkpoint shards: 100%\|###############################################################################\| 3/3 [00:00<00:00, 5.46it/s]

	Creating DualWanTransformer3DModel
	Loading UMT5EncoderModel
	You set `add_prefix_space`. The tokenizer needs to be converted from the slow tokenizers
	You set `add_prefix_space`. The tokenizer needs to be converted from the slow tokenizers
	Using ai-toolkit/umt5_xxl_encoder for UMT5 encoder.
	`torch_dtype` is deprecated! Use `dtype` instead!
	`torch_dtype` is deprecated! Use `dtype` instead!
	Loading checkpoint shards: 0%\| \| 0/3 [00:00<?, ?it/s] Loading checkpoint shards: 0%\| \| 0/3 [00:00<?, ?it/s] Loading checkpoint shards: 67%\|####################################################6 \| 2/3 [00:00<00:00, 9.23it/s] Loading checkpoint shards: 67%\|####################################################6 \| 2/3 [00:00<00:00, 9.23it/s] Loading checkpoint shards: 100%\|###############################################################################\| 3/3 [00:00<00:00, 11.56it/s] Loading checkpoint shards: 100%\|###############################################################################\| 3/3 [00:00<00:00, 11.56it/s]

	Loading VAE
	Making pipe
	Preparing Model
	create LoRA network. base dim (rank): 64, alpha: 64
	neuron dropout: p=None, rank dropout: p=None, module dropout: p=None
	apply LoRA to Conv2d with kernel size (3,3). dim (rank): 16, alpha: 16
	create LoRA for Text Encoder: 0 modules.
	create LoRA for U-Net: 400 modules.
	enable LoRA for U-Net
	#### IMPORTANT RESUMING FROM /root/lab/ai-toolkit/output/lana-lora-wan2.2/lana-lora-wan2.2_000002500_low_noise.safetensors ####
	Loading from /root/lab/ai-toolkit/output/lana-lora-wan2.2/lana-lora-wan2.2_000002500_low_noise.safetensors
	Missing keys: []
	Found step 2500 in metadata, starting from there
	Loading optimizer state from /root/lab/ai-toolkit/output/lana-lora-wan2.2/optimizer.pt
	Updating optimizer LR from params
	Dataset: /root/lab/ai-toolkit/datasets/lana
	- Preprocessing image dimensions
	0%\| \| 0/72 [00:00<?, ?it/s] 0%\| \| 0/72 [00:00<?, ?it/s] 100%\|######################################################################################################\| 72/72 [00:00<00:00, 8887.02it/s] 100%\|######################################################################################################\| 72/72 [00:00<00:00, 8887.02it/s]

	- Found 72 images
	Bucket sizes for /root/lab/ai-toolkit/datasets/lana:
	480x512: 72 files
	1 buckets made
	Dataset: /root/lab/ai-toolkit/datasets/lana
	- Preprocessing image dimensions
	0%\| \| 0/72 [00:00<?, ?it/s] 0%\| \| 0/72 [00:00<?, ?it/s] 100%\|#####################################################################################################\| 72/72 [00:00<00:00, 18973.98it/s] 100%\|#####################################################################################################\| 72/72 [00:00<00:00, 18973.98it/s]

	- Found 72 images
	Bucket sizes for /root/lab/ai-toolkit/datasets/lana:
	720x768: 72 files
	1 buckets made
	Dataset: /root/lab/ai-toolkit/datasets/lana
	- Preprocessing image dimensions
	0%\| \| 0/72 [00:00<?, ?it/s] 0%\| \| 0/72 [00:00<?, ?it/s] 100%\|#####################################################################################################\| 72/72 [00:00<00:00, 28519.21it/s] 100%\|#####################################################################################################\| 72/72 [00:00<00:00, 28519.21it/s]

	- Found 72 images
	Bucket sizes for /root/lab/ai-toolkit/datasets/lana:
	960x1024: 72 files
	1 buckets made
	Skipping first sample due to config setting
	lana-lora-wan2.2: 50%\|############################################# \| 2500/5000 [00:00<?, ?it/s] lana-lora-wan2.2: 50%\|############################################# \| 2500/5000 [00:00<?, ?it/s] lana-lora-wan2.2: 50%\|##############################5 \| 2500/5000 [00:05<?, ?it/s, lr: 1.0e-04 loss: 4.657e-02] lana-lora-wan2.2: 50%\|##############################5 \| 2500/5000 [00:05<?, ?it/s, lr: 1.0e-04 loss: 4.657e-02] lana-lora-wan2.2: 50%\|##############################5 \| 2500/5000 [00:05<?, ?it/s, lr: 1.0e-04 loss: 4.657e-02] lana-lora-wan2.2: 50%\|##############################5 \| 2500/5000 [00:05<?, ?it/s, lr: 1.0e-04 loss: 4.657e-02] lana-lora-wan2.2: 50%\|##############################5 \| 2500/5000 [00:07<?, ?it/s, lr: 1.0e-04 loss: 1.112e-01] lana-lora-wan2.2: 50%\|##############################5 \| 2500/5000 [00:07<?, ?it/s, lr: 1.0e-04 loss: 1.112e-01] lana-lora-wan2.2: 50%\|#########################5 \| 2501/5000 [00:09<6:31:37, 9.40s/it, lr: 1.0e-04 loss: 2.785e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2501/5000 [00:09<6:31:37, 9.40s/it, lr: 1.0e-04 loss: 2.785e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2502/5000 [00:11<4:00:58, 5.79s/it, lr: 1.0e-04 loss: 7.016e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2502/5000 [00:11<4:00:58, 5.79s/it, lr: 1.0e-04 loss: 7.016e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2503/5000 [00:15<3:31:40, 5.09s/it, lr: 1.0e-04 loss: 2.891e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2503/5000 [00:15<3:31:40, 5.09s/it, lr: 1.0e-04 loss: 2.891e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2504/5000 [00:16<2:51:26, 4.12s/it, lr: 1.0e-04 loss: 7.707e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2504/5000 [00:16<2:51:26, 4.12s/it, lr: 1.0e-04 loss: 7.707e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2505/5000 [00:20<2:49:40, 4.08s/it, lr: 1.0e-04 loss: 3.164e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2505/5000 [00:20<2:49:40, 4.08s/it, lr: 1.0e-04 loss: 3.164e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2506/5000 [00:22<2:36:25, 3.76s/it, lr: 1.0e-04 loss: 2.816e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2506/5000 [00:22<2:36:25, 3.76s/it, lr: 1.0e-04 loss: 2.816e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2507/5000 [00:23<2:21:11, 3.40s/it, lr: 1.0e-04 loss: 5.696e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2507/5000 [00:23<2:21:11, 3.40s/it, lr: 1.0e-04 loss: 5.696e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2508/5000 [00:27<2:22:27, 3.43s/it, lr: 1.0e-04 loss: 4.011e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2508/5000 [00:27<2:22:27, 3.43s/it, lr: 1.0e-04 loss: 4.011e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2509/5000 [00:28<2:12:06, 3.18s/it, lr: 1.0e-04 loss: 4.080e-02] lana-lora-wan2.2: 50%\|#########################5 \| 2509/5000 [00:28<2:12:06, 3.18s/it, lr: 1.0e-04 loss: 4.080e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2510/5000 [00:32<2:13:59, 3.23s/it, lr: 1.0e-04 loss: 2.404e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2510/5000 [00:32<2:13:59, 3.23s/it, lr: 1.0e-04 loss: 2.404e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2511/5000 [00:33<2:07:26, 3.07s/it, lr: 1.0e-04 loss: 1.078e-01] lana-lora-wan2.2: 50%\|#########################6 \| 2511/5000 [00:33<2:07:26, 3.07s/it, lr: 1.0e-04 loss: 1.078e-01] lana-lora-wan2.2: 50%\|#########################6 \| 2512/5000 [00:35<2:04:15, 3.00s/it, lr: 1.0e-04 loss: 8.345e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2512/5000 [00:35<2:04:15, 3.00s/it, lr: 1.0e-04 loss: 8.345e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2513/5000 [00:38<2:01:35, 2.93s/it, lr: 1.0e-04 loss: 1.853e-01] lana-lora-wan2.2: 50%\|#########################6 \| 2513/5000 [00:38<2:01:35, 2.93s/it, lr: 1.0e-04 loss: 1.853e-01] lana-lora-wan2.2: 50%\|#########################6 \| 2514/5000 [00:39<1:56:21, 2.81s/it, lr: 1.0e-04 loss: 6.034e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2514/5000 [00:39<1:56:21, 2.81s/it, lr: 1.0e-04 loss: 6.034e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2515/5000 [00:42<1:58:40, 2.87s/it, lr: 1.0e-04 loss: 2.032e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2515/5000 [00:42<1:58:40, 2.87s/it, lr: 1.0e-04 loss: 2.032e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2516/5000 [00:46<2:00:39, 2.91s/it, lr: 1.0e-04 loss: 8.243e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2516/5000 [00:46<2:00:39, 2.91s/it, lr: 1.0e-04 loss: 8.243e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2517/5000 [00:48<1:57:11, 2.83s/it, lr: 1.0e-04 loss: 5.800e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2517/5000 [00:48<1:57:11, 2.83s/it, lr: 1.0e-04 loss: 5.800e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2518/5000 [00:49<1:53:20, 2.74s/it, lr: 1.0e-04 loss: 3.955e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2518/5000 [00:49<1:53:20, 2.74s/it, lr: 1.0e-04 loss: 3.955e-02] lana-lora-wan2.2: 50%\|#########################6 \| 2519/5000 [00:51<1:52:03, 2.71s/it, lr: 1.0e-04 loss: 2.270e-01] lana-lora-wan2.2: 50%\|#########################6 \| 2519/5000 [00:51<1:52:03, 2.71s/it, lr: 1.0e-04 loss: 2.270e-01] lana-lora-wan2.2: 50%\|#########################7 \| 2520/5000 [00:52<1:48:51, 2.63s/it, lr: 1.0e-04 loss: 5.030e-02] lana-lora-wan2.2: 50%\|#########################7 \| 2520/5000 [00:52<1:48:51, 2.63s/it, lr: 1.0e-04 loss: 5.030e-02] lana-lora-wan2.2: 50%\|#########################7 \| 2521/5000 [00:54<1:47:54, 2.61s/it, lr: 1.0e-04 loss: 5.569e-02] lana-lora-wan2.2: 50%\|#########################7 \| 2521/5000 [00:54<1:47:54, 2.61s/it, lr: 1.0e-04 loss: 5.569e-02] lana-lora-wan2.2: 50%\|#########################7 \| 2522/5000 [00:57<1:47:02, 2.59s/it, lr: 1.0e-04 loss: 3.982e-02] lana-lora-wan2.2: 50%\|#########################7 \| 2522/5000 [00:57<1:47:02, 2.59s/it, lr: 1.0e-04 loss: 3.982e-02] lana-lora-wan2.2: 50%\|#########################7 \| 2523/5000 [01:00<1:49:22, 2.65s/it, lr: 1.0e-04 loss: 7.694e-02] lana-lora-wan2.2: 50%\|#########################7 \| 2523/5000 [01:00<1:49:22, 2.65s/it, lr: 1.0e-04 loss: 7.694e-02] lana-lora-wan2.2: 50%\|#########################7 \| 2524/5000 [01:03<1:48:30, 2.63s/it, lr: 1.0e-04 loss: 4.213e-02] lana-lora-wan2.2: 50%\|#########################7 \| 2524/5000 [01:03<1:48:30, 2.63s/it, lr: 1.0e-04 loss: 4.213e-02] lana-lora-wan2.2: 50%\|#########################7 \| 2525/5000 [01:05<1:47:43, 2.61s/it, lr: 1.0e-04 loss: 2.555e-02] lana-lora-wan2.2: 50%\|#########################7 \| 2525/5000 [01:05<1:47:43, 2.61s/it, lr: 1.0e-04 loss: 2.555e-02] lana-lora-wan2.2: 51%\|#########################7 \| 2526/5000 [01:07<1:46:59, 2.59s/it, lr: 1.0e-04 loss: 4.381e-02] lana-lora-wan2.2: 51%\|#########################7 \| 2526/5000 [01:07<1:46:59, 2.59s/it, lr: 1.0e-04 loss: 4.381e-02] lana-lora-wan2.2: 51%\|#########################7 \| 2527/5000 [01:08<1:44:46, 2.54s/it, lr: 1.0e-04 loss: 1.786e-01] lana-lora-wan2.2: 51%\|#########################7 \| 2527/5000 [01:08<1:44:46, 2.54s/it, lr: 1.0e-04 loss: 1.786e-01] lana-lora-wan2.2: 51%\|#########################7 \| 2528/5000 [01:11<1:44:35, 2.54s/it, lr: 1.0e-04 loss: 2.921e-02] lana-lora-wan2.2: 51%\|#########################7 \| 2528/5000 [01:11<1:44:35, 2.54s/it, lr: 1.0e-04 loss: 2.921e-02] lana-lora-wan2.2: 51%\|#########################7 \| 2529/5000 [01:14<1:46:08, 2.58s/it, lr: 1.0e-04 loss: 2.464e-02] lana-lora-wan2.2: 51%\|#########################7 \| 2529/5000 [01:14<1:46:08, 2.58s/it, lr: 1.0e-04 loss: 2.464e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2530/5000 [01:18<1:47:34, 2.61s/it, lr: 1.0e-04 loss: 7.274e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2530/5000 [01:18<1:47:34, 2.61s/it, lr: 1.0e-04 loss: 7.274e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2531/5000 [01:22<1:48:54, 2.65s/it, lr: 1.0e-04 loss: 1.517e-01] lana-lora-wan2.2: 51%\|#########################8 \| 2531/5000 [01:22<1:48:54, 2.65s/it, lr: 1.0e-04 loss: 1.517e-01] lana-lora-wan2.2: 51%\|#########################8 \| 2532/5000 [01:25<1:50:09, 2.68s/it, lr: 1.0e-04 loss: 1.881e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2532/5000 [01:25<1:50:09, 2.68s/it, lr: 1.0e-04 loss: 1.881e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2533/5000 [01:29<1:51:20, 2.71s/it, lr: 1.0e-04 loss: 6.465e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2533/5000 [01:29<1:51:20, 2.71s/it, lr: 1.0e-04 loss: 6.465e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2534/5000 [01:31<1:51:02, 2.70s/it, lr: 1.0e-04 loss: 6.319e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2534/5000 [01:31<1:51:02, 2.70s/it, lr: 1.0e-04 loss: 6.319e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2535/5000 [01:33<1:49:14, 2.66s/it, lr: 1.0e-04 loss: 1.292e-01] lana-lora-wan2.2: 51%\|#########################8 \| 2535/5000 [01:33<1:49:14, 2.66s/it, lr: 1.0e-04 loss: 1.292e-01] lana-lora-wan2.2: 51%\|#########################8 \| 2536/5000 [01:36<1:50:20, 2.69s/it, lr: 1.0e-04 loss: 1.116e-01] lana-lora-wan2.2: 51%\|#########################8 \| 2536/5000 [01:36<1:50:20, 2.69s/it, lr: 1.0e-04 loss: 1.116e-01] lana-lora-wan2.2: 51%\|#########################8 \| 2537/5000 [01:37<1:48:37, 2.65s/it, lr: 1.0e-04 loss: 9.636e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2537/5000 [01:37<1:48:37, 2.65s/it, lr: 1.0e-04 loss: 9.636e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2538/5000 [01:41<1:49:40, 2.67s/it, lr: 1.0e-04 loss: 2.320e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2538/5000 [01:41<1:49:40, 2.67s/it, lr: 1.0e-04 loss: 2.320e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2539/5000 [01:45<1:50:39, 2.70s/it, lr: 1.0e-04 loss: 6.859e-02] lana-lora-wan2.2: 51%\|#########################8 \| 2539/5000 [01:45<1:50:39, 2.70s/it, lr: 1.0e-04 loss: 6.859e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2540/5000 [01:47<1:50:23, 2.69s/it, lr: 1.0e-04 loss: 3.930e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2540/5000 [01:47<1:50:23, 2.69s/it, lr: 1.0e-04 loss: 3.930e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2541/5000 [01:51<1:51:20, 2.72s/it, lr: 1.0e-04 loss: 3.789e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2541/5000 [01:51<1:51:20, 2.72s/it, lr: 1.0e-04 loss: 3.789e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2542/5000 [01:53<1:50:46, 2.70s/it, lr: 1.0e-04 loss: 4.410e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2542/5000 [01:53<1:50:46, 2.70s/it, lr: 1.0e-04 loss: 4.410e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2543/5000 [01:57<1:51:38, 2.73s/it, lr: 1.0e-04 loss: 8.579e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2543/5000 [01:57<1:51:38, 2.73s/it, lr: 1.0e-04 loss: 8.579e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2544/5000 [02:00<1:52:26, 2.75s/it, lr: 1.0e-04 loss: 3.314e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2544/5000 [02:00<1:52:26, 2.75s/it, lr: 1.0e-04 loss: 3.314e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2545/5000 [02:03<1:51:52, 2.73s/it, lr: 1.0e-04 loss: 1.251e-01] lana-lora-wan2.2: 51%\|#########################9 \| 2545/5000 [02:03<1:51:52, 2.73s/it, lr: 1.0e-04 loss: 1.251e-01] lana-lora-wan2.2: 51%\|#########################9 \| 2546/5000 [02:05<1:51:34, 2.73s/it, lr: 1.0e-04 loss: 4.131e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2546/5000 [02:05<1:51:34, 2.73s/it, lr: 1.0e-04 loss: 4.131e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2547/5000 [02:09<1:52:20, 2.75s/it, lr: 1.0e-04 loss: 3.481e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2547/5000 [02:09<1:52:20, 2.75s/it, lr: 1.0e-04 loss: 3.481e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2548/5000 [02:12<1:53:04, 2.77s/it, lr: 1.0e-04 loss: 5.021e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2548/5000 [02:12<1:53:04, 2.77s/it, lr: 1.0e-04 loss: 5.021e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2549/5000 [02:14<1:52:31, 2.75s/it, lr: 1.0e-04 loss: 4.678e-02] lana-lora-wan2.2: 51%\|#########################9 \| 2549/5000 [02:14<1:52:31, 2.75s/it, lr: 1.0e-04 loss: 4.678e-02] lana-lora-wan2.2: 51%\|########################## \| 2550/5000 [02:16<1:51:11, 2.72s/it, lr: 1.0e-04 loss: 1.037e-01] lana-lora-wan2.2: 51%\|########################## \| 2550/5000 [02:16<1:51:11, 2.72s/it, lr: 1.0e-04 loss: 1.037e-01] lana-lora-wan2.2: 51%\|########################## \| 2551/5000 [02:18<1:50:55, 2.72s/it, lr: 1.0e-04 loss: 8.858e-02] lana-lora-wan2.2: 51%\|########################## \| 2551/5000 [02:18<1:50:55, 2.72s/it, lr: 1.0e-04 loss: 8.858e-02] lana-lora-wan2.2: 51%\|########################## \| 2552/5000 [02:19<1:49:40, 2.69s/it, lr: 1.0e-04 loss: 4.132e-01] lana-lora-wan2.2: 51%\|########################## \| 2552/5000 [02:19<1:49:40, 2.69s/it, lr: 1.0e-04 loss: 4.132e-01] lana-lora-wan2.2: 51%\|########################## \| 2553/5000 [02:21<1:49:13, 2.68s/it, lr: 1.0e-04 loss: 1.638e-01] lana-lora-wan2.2: 51%\|########################## \| 2553/5000 [02:21<1:49:13, 2.68s/it, lr: 1.0e-04 loss: 1.638e-01] lana-lora-wan2.2: 51%\|########################## \| 2554/5000 [02:25<1:49:55, 2.70s/it, lr: 1.0e-04 loss: 2.332e-02] lana-lora-wan2.2: 51%\|########################## \| 2554/5000 [02:25<1:49:55, 2.70s/it, lr: 1.0e-04 loss: 2.332e-02] lana-lora-wan2.2: 51%\|########################## \| 2555/5000 [02:29<1:50:35, 2.71s/it, lr: 1.0e-04 loss: 8.302e-02] lana-lora-wan2.2: 51%\|########################## \| 2555/5000 [02:29<1:50:35, 2.71s/it, lr: 1.0e-04 loss: 8.302e-02] lana-lora-wan2.2: 51%\|########################## \| 2556/5000 [02:32<1:51:13, 2.73s/it, lr: 1.0e-04 loss: 2.798e-02] lana-lora-wan2.2: 51%\|########################## \| 2556/5000 [02:32<1:51:13, 2.73s/it, lr: 1.0e-04 loss: 2.798e-02] lana-lora-wan2.2: 51%\|########################## \| 2557/5000 [02:34<1:50:19, 2.71s/it, lr: 1.0e-04 loss: 4.861e-02] lana-lora-wan2.2: 51%\|########################## \| 2557/5000 [02:34<1:50:19, 2.71s/it, lr: 1.0e-04 loss: 4.861e-02] lana-lora-wan2.2: 51%\|########################## \| 2558/5000 [02:36<1:49:54, 2.70s/it, lr: 1.0e-04 loss: 1.884e-02] lana-lora-wan2.2: 51%\|########################## \| 2558/5000 [02:36<1:49:54, 2.70s/it, lr: 1.0e-04 loss: 1.884e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2559/5000 [02:38<1:49:29, 2.69s/it, lr: 1.0e-04 loss: 6.816e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2559/5000 [02:38<1:49:29, 2.69s/it, lr: 1.0e-04 loss: 6.816e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2560/5000 [02:39<1:48:25, 2.67s/it, lr: 1.0e-04 loss: 3.401e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2560/5000 [02:39<1:48:25, 2.67s/it, lr: 1.0e-04 loss: 3.401e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2561/5000 [02:43<1:49:01, 2.68s/it, lr: 1.0e-04 loss: 4.337e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2561/5000 [02:43<1:49:01, 2.68s/it, lr: 1.0e-04 loss: 4.337e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2562/5000 [02:44<1:48:00, 2.66s/it, lr: 1.0e-04 loss: 4.481e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2562/5000 [02:44<1:48:00, 2.66s/it, lr: 1.0e-04 loss: 4.481e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2563/5000 [02:47<1:47:50, 2.66s/it, lr: 1.0e-04 loss: 3.799e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2563/5000 [02:47<1:47:50, 2.66s/it, lr: 1.0e-04 loss: 3.799e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2564/5000 [02:49<1:47:30, 2.65s/it, lr: 1.0e-04 loss: 3.133e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2564/5000 [02:49<1:47:30, 2.65s/it, lr: 1.0e-04 loss: 3.133e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2565/5000 [02:50<1:46:32, 2.63s/it, lr: 1.0e-04 loss: 3.918e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2565/5000 [02:50<1:46:32, 2.63s/it, lr: 1.0e-04 loss: 3.918e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2566/5000 [02:54<1:47:07, 2.64s/it, lr: 1.0e-04 loss: 8.627e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2566/5000 [02:54<1:47:07, 2.64s/it, lr: 1.0e-04 loss: 8.627e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2567/5000 [02:57<1:47:41, 2.66s/it, lr: 1.0e-04 loss: 2.440e-01] lana-lora-wan2.2: 51%\|##########################1 \| 2567/5000 [02:57<1:47:41, 2.66s/it, lr: 1.0e-04 loss: 2.440e-01] lana-lora-wan2.2: 51%\|##########################1 \| 2568/5000 [03:00<1:47:21, 2.65s/it, lr: 1.0e-04 loss: 3.099e-02] lana-lora-wan2.2: 51%\|##########################1 \| 2568/5000 [03:00<1:47:21, 2.65s/it, lr: 1.0e-04 loss: 3.099e-02] lana-lora-wan2.2: 51%\|##########################2 \| 2569/5000 [03:02<1:47:11, 2.65s/it, lr: 1.0e-04 loss: 3.403e-02] lana-lora-wan2.2: 51%\|##########################2 \| 2569/5000 [03:02<1:47:11, 2.65s/it, lr: 1.0e-04 loss: 3.403e-02] lana-lora-wan2.2: 51%\|##########################2 \| 2570/5000 [03:03<1:46:18, 2.62s/it, lr: 1.0e-04 loss: 4.881e-02] lana-lora-wan2.2: 51%\|##########################2 \| 2570/5000 [03:03<1:46:18, 2.62s/it, lr: 1.0e-04 loss: 4.881e-02] lana-lora-wan2.2: 51%\|##########################2 \| 2571/5000 [03:05<1:45:59, 2.62s/it, lr: 1.0e-04 loss: 2.355e-02] lana-lora-wan2.2: 51%\|##########################2 \| 2571/5000 [03:05<1:45:59, 2.62s/it, lr: 1.0e-04 loss: 2.355e-02] lana-lora-wan2.2: 51%\|##########################2 \| 2572/5000 [03:09<1:46:33, 2.63s/it, lr: 1.0e-04 loss: 2.936e-02] lana-lora-wan2.2: 51%\|##########################2 \| 2572/5000 [03:09<1:46:33, 2.63s/it, lr: 1.0e-04 loss: 2.936e-02] lana-lora-wan2.2: 51%\|##########################2 \| 2573/5000 [03:10<1:45:42, 2.61s/it, lr: 1.0e-04 loss: 2.811e-02] lana-lora-wan2.2: 51%\|##########################2 \| 2573/5000 [03:10<1:45:42, 2.61s/it, lr: 1.0e-04 loss: 2.811e-02] lana-lora-wan2.2: 51%\|##########################2 \| 2574/5000 [03:12<1:45:25, 2.61s/it, lr: 1.0e-04 loss: 3.986e-02] lana-lora-wan2.2: 51%\|##########################2 \| 2574/5000 [03:12<1:45:25, 2.61s/it, lr: 1.0e-04 loss: 3.986e-02] lana-lora-wan2.2: 52%\|##########################2 \| 2575/5000 [03:15<1:45:18, 2.61s/it, lr: 1.0e-04 loss: 3.470e-02] lana-lora-wan2.2: 52%\|##########################2 \| 2575/5000 [03:15<1:45:18, 2.61s/it, lr: 1.0e-04 loss: 3.470e-02] lana-lora-wan2.2: 52%\|##########################2 \| 2576/5000 [03:19<1:45:49, 2.62s/it, lr: 1.0e-04 loss: 1.324e-01] lana-lora-wan2.2: 52%\|##########################2 \| 2576/5000 [03:19<1:45:49, 2.62s/it, lr: 1.0e-04 loss: 1.324e-01] lana-lora-wan2.2: 52%\|##########################2 \| 2577/5000 [03:20<1:45:01, 2.60s/it, lr: 1.0e-04 loss: 1.949e-01] lana-lora-wan2.2: 52%\|##########################2 \| 2577/5000 [03:20<1:45:01, 2.60s/it, lr: 1.0e-04 loss: 1.949e-01] lana-lora-wan2.2: 52%\|##########################2 \| 2578/5000 [03:22<1:44:45, 2.60s/it, lr: 1.0e-04 loss: 4.898e-02] lana-lora-wan2.2: 52%\|##########################2 \| 2578/5000 [03:22<1:44:45, 2.60s/it, lr: 1.0e-04 loss: 4.898e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2579/5000 [03:26<1:45:15, 2.61s/it, lr: 1.0e-04 loss: 2.474e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2579/5000 [03:26<1:45:15, 2.61s/it, lr: 1.0e-04 loss: 2.474e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2580/5000 [03:28<1:45:08, 2.61s/it, lr: 1.0e-04 loss: 5.607e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2580/5000 [03:28<1:45:08, 2.61s/it, lr: 1.0e-04 loss: 5.607e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2581/5000 [03:30<1:44:52, 2.60s/it, lr: 1.0e-04 loss: 2.562e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2581/5000 [03:30<1:44:52, 2.60s/it, lr: 1.0e-04 loss: 2.562e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2582/5000 [03:31<1:44:08, 2.58s/it, lr: 1.0e-04 loss: 4.998e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2582/5000 [03:31<1:44:08, 2.58s/it, lr: 1.0e-04 loss: 4.998e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2583/5000 [03:33<1:43:25, 2.57s/it, lr: 1.0e-04 loss: 4.625e-01] lana-lora-wan2.2: 52%\|##########################3 \| 2583/5000 [03:33<1:43:25, 2.57s/it, lr: 1.0e-04 loss: 4.625e-01] lana-lora-wan2.2: 52%\|##########################3 \| 2584/5000 [03:34<1:42:43, 2.55s/it, lr: 1.0e-04 loss: 4.522e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2584/5000 [03:34<1:42:43, 2.55s/it, lr: 1.0e-04 loss: 4.522e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2585/5000 [03:36<1:42:29, 2.55s/it, lr: 1.0e-04 loss: 1.103e-01] lana-lora-wan2.2: 52%\|##########################3 \| 2585/5000 [03:36<1:42:29, 2.55s/it, lr: 1.0e-04 loss: 1.103e-01] lana-lora-wan2.2: 52%\|##########################3 \| 2586/5000 [03:40<1:43:06, 2.56s/it, lr: 1.0e-04 loss: 4.294e-01] lana-lora-wan2.2: 52%\|##########################3 \| 2586/5000 [03:40<1:43:06, 2.56s/it, lr: 1.0e-04 loss: 4.294e-01] lana-lora-wan2.2: 52%\|##########################3 \| 2587/5000 [03:44<1:43:34, 2.58s/it, lr: 1.0e-04 loss: 4.954e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2587/5000 [03:44<1:43:34, 2.58s/it, lr: 1.0e-04 loss: 4.954e-02] lana-lora-wan2.2: 52%\|##########################3 \| 2588/5000 [03:46<1:43:21, 2.57s/it, lr: 1.0e-04 loss: 1.239e-01] lana-lora-wan2.2: 52%\|##########################3 \| 2588/5000 [03:46<1:43:21, 2.57s/it, lr: 1.0e-04 loss: 1.239e-01] lana-lora-wan2.2: 52%\|##########################4 \| 2589/5000 [03:49<1:43:48, 2.58s/it, lr: 1.0e-04 loss: 5.258e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2589/5000 [03:49<1:43:48, 2.58s/it, lr: 1.0e-04 loss: 5.258e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2590/5000 [03:53<1:44:14, 2.60s/it, lr: 1.0e-04 loss: 5.280e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2590/5000 [03:53<1:44:14, 2.60s/it, lr: 1.0e-04 loss: 5.280e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2591/5000 [03:57<1:44:39, 2.61s/it, lr: 1.0e-04 loss: 3.570e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2591/5000 [03:57<1:44:39, 2.61s/it, lr: 1.0e-04 loss: 3.570e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2592/5000 [03:59<1:44:32, 2.61s/it, lr: 1.0e-04 loss: 1.714e-01] lana-lora-wan2.2: 52%\|##########################4 \| 2592/5000 [03:59<1:44:32, 2.61s/it, lr: 1.0e-04 loss: 1.714e-01] lana-lora-wan2.2: 52%\|##########################4 \| 2593/5000 [04:00<1:43:53, 2.59s/it, lr: 1.0e-04 loss: 4.291e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2593/5000 [04:00<1:43:53, 2.59s/it, lr: 1.0e-04 loss: 4.291e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2594/5000 [04:03<1:43:40, 2.59s/it, lr: 1.0e-04 loss: 8.646e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2594/5000 [04:03<1:43:40, 2.59s/it, lr: 1.0e-04 loss: 8.646e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2595/5000 [04:06<1:44:04, 2.60s/it, lr: 1.0e-04 loss: 1.829e-01] lana-lora-wan2.2: 52%\|##########################4 \| 2595/5000 [04:06<1:44:04, 2.60s/it, lr: 1.0e-04 loss: 1.829e-01] lana-lora-wan2.2: 52%\|##########################4 \| 2596/5000 [04:07<1:43:27, 2.58s/it, lr: 1.0e-04 loss: 1.298e-01] lana-lora-wan2.2: 52%\|##########################4 \| 2596/5000 [04:07<1:43:27, 2.58s/it, lr: 1.0e-04 loss: 1.298e-01] lana-lora-wan2.2: 52%\|##########################4 \| 2597/5000 [04:09<1:42:49, 2.57s/it, lr: 1.0e-04 loss: 6.658e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2597/5000 [04:09<1:42:49, 2.57s/it, lr: 1.0e-04 loss: 6.658e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2598/5000 [04:10<1:42:21, 2.56s/it, lr: 1.0e-04 loss: 4.331e-02] lana-lora-wan2.2: 52%\|##########################4 \| 2598/5000 [04:10<1:42:21, 2.56s/it, lr: 1.0e-04 loss: 4.331e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2599/5000 [04:12<1:42:09, 2.55s/it, lr: 1.0e-04 loss: 3.296e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2599/5000 [04:12<1:42:09, 2.55s/it, lr: 1.0e-04 loss: 3.296e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2600/5000 [04:13<1:41:34, 2.54s/it, lr: 1.0e-04 loss: 6.254e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2600/5000 [04:13<1:41:34, 2.54s/it, lr: 1.0e-04 loss: 6.254e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2601/5000 [04:15<1:40:59, 2.53s/it, lr: 1.0e-04 loss: 5.688e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2601/5000 [04:15<1:40:59, 2.53s/it, lr: 1.0e-04 loss: 5.688e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2602/5000 [04:16<1:40:25, 2.51s/it, lr: 1.0e-04 loss: 4.027e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2602/5000 [04:16<1:40:25, 2.51s/it, lr: 1.0e-04 loss: 4.027e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2603/5000 [04:17<1:39:51, 2.50s/it, lr: 1.0e-04 loss: 5.200e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2603/5000 [04:17<1:39:51, 2.50s/it, lr: 1.0e-04 loss: 5.200e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2604/5000 [04:21<1:40:21, 2.51s/it, lr: 1.0e-04 loss: 3.152e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2604/5000 [04:21<1:40:21, 2.51s/it, lr: 1.0e-04 loss: 3.152e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2605/5000 [04:23<1:40:11, 2.51s/it, lr: 1.0e-04 loss: 1.127e-01] lana-lora-wan2.2: 52%\|##########################5 \| 2605/5000 [04:23<1:40:11, 2.51s/it, lr: 1.0e-04 loss: 1.127e-01] lana-lora-wan2.2: 52%\|##########################5 \| 2606/5000 [04:24<1:39:38, 2.50s/it, lr: 1.0e-04 loss: 3.309e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2606/5000 [04:24<1:39:38, 2.50s/it, lr: 1.0e-04 loss: 3.309e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2607/5000 [04:25<1:39:06, 2.48s/it, lr: 1.0e-04 loss: 8.916e-02] lana-lora-wan2.2: 52%\|##########################5 \| 2607/5000 [04:25<1:39:06, 2.48s/it, lr: 1.0e-04 loss: 8.916e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2608/5000 [04:29<1:39:29, 2.50s/it, lr: 1.0e-04 loss: 2.203e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2608/5000 [04:29<1:39:29, 2.50s/it, lr: 1.0e-04 loss: 2.203e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2609/5000 [04:30<1:38:58, 2.48s/it, lr: 1.0e-04 loss: 3.175e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2609/5000 [04:30<1:38:58, 2.48s/it, lr: 1.0e-04 loss: 3.175e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2610/5000 [04:32<1:38:33, 2.47s/it, lr: 1.0e-04 loss: 8.964e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2610/5000 [04:32<1:38:33, 2.47s/it, lr: 1.0e-04 loss: 8.964e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2611/5000 [04:35<1:38:56, 2.49s/it, lr: 1.0e-04 loss: 3.661e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2611/5000 [04:35<1:38:56, 2.49s/it, lr: 1.0e-04 loss: 3.661e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2612/5000 [04:37<1:38:26, 2.47s/it, lr: 1.0e-04 loss: 3.142e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2612/5000 [04:37<1:38:26, 2.47s/it, lr: 1.0e-04 loss: 3.142e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2613/5000 [04:40<1:38:49, 2.48s/it, lr: 1.0e-04 loss: 4.651e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2613/5000 [04:40<1:38:49, 2.48s/it, lr: 1.0e-04 loss: 4.651e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2614/5000 [04:41<1:38:19, 2.47s/it, lr: 1.0e-04 loss: 3.985e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2614/5000 [04:41<1:38:19, 2.47s/it, lr: 1.0e-04 loss: 3.985e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2615/5000 [04:45<1:38:47, 2.49s/it, lr: 1.0e-04 loss: 3.081e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2615/5000 [04:45<1:38:47, 2.49s/it, lr: 1.0e-04 loss: 3.081e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2616/5000 [04:49<1:39:08, 2.50s/it, lr: 1.0e-04 loss: 3.694e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2616/5000 [04:49<1:39:08, 2.50s/it, lr: 1.0e-04 loss: 3.694e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2617/5000 [04:51<1:38:59, 2.49s/it, lr: 1.0e-04 loss: 5.289e-02] lana-lora-wan2.2: 52%\|##########################6 \| 2617/5000 [04:51<1:38:59, 2.49s/it, lr: 1.0e-04 loss: 5.289e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2618/5000 [04:53<1:38:50, 2.49s/it, lr: 1.0e-04 loss: 3.362e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2618/5000 [04:53<1:38:50, 2.49s/it, lr: 1.0e-04 loss: 3.362e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2619/5000 [04:57<1:39:11, 2.50s/it, lr: 1.0e-04 loss: 6.936e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2619/5000 [04:57<1:39:11, 2.50s/it, lr: 1.0e-04 loss: 6.936e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2620/5000 [04:59<1:39:02, 2.50s/it, lr: 1.0e-04 loss: 3.139e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2620/5000 [04:59<1:39:02, 2.50s/it, lr: 1.0e-04 loss: 3.139e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2621/5000 [05:03<1:39:28, 2.51s/it, lr: 1.0e-04 loss: 4.112e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2621/5000 [05:03<1:39:28, 2.51s/it, lr: 1.0e-04 loss: 4.112e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2622/5000 [05:04<1:38:59, 2.50s/it, lr: 1.0e-04 loss: 3.977e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2622/5000 [05:04<1:38:59, 2.50s/it, lr: 1.0e-04 loss: 3.977e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2623/5000 [05:06<1:38:50, 2.50s/it, lr: 1.0e-04 loss: 3.055e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2623/5000 [05:06<1:38:50, 2.50s/it, lr: 1.0e-04 loss: 3.055e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2624/5000 [05:08<1:38:23, 2.48s/it, lr: 1.0e-04 loss: 3.222e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2624/5000 [05:08<1:38:23, 2.48s/it, lr: 1.0e-04 loss: 3.222e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2625/5000 [05:10<1:38:14, 2.48s/it, lr: 1.0e-04 loss: 6.774e-02] lana-lora-wan2.2: 52%\|##########################7 \| 2625/5000 [05:10<1:38:14, 2.48s/it, lr: 1.0e-04 loss: 6.774e-02] lana-lora-wan2.2: 53%\|##########################7 \| 2626/5000 [05:13<1:38:34, 2.49s/it, lr: 1.0e-04 loss: 5.699e-02] lana-lora-wan2.2: 53%\|##########################7 \| 2626/5000 [05:13<1:38:34, 2.49s/it, lr: 1.0e-04 loss: 5.699e-02] lana-lora-wan2.2: 53%\|##########################7 \| 2627/5000 [05:16<1:38:31, 2.49s/it, lr: 1.0e-04 loss: 7.264e-02] lana-lora-wan2.2: 53%\|##########################7 \| 2627/5000 [05:16<1:38:31, 2.49s/it, lr: 1.0e-04 loss: 7.264e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2628/5000 [05:20<1:38:50, 2.50s/it, lr: 1.0e-04 loss: 3.472e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2628/5000 [05:20<1:38:50, 2.50s/it, lr: 1.0e-04 loss: 3.472e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2629/5000 [05:23<1:39:09, 2.51s/it, lr: 1.0e-04 loss: 2.994e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2629/5000 [05:23<1:39:09, 2.51s/it, lr: 1.0e-04 loss: 2.994e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2630/5000 [05:24<1:38:42, 2.50s/it, lr: 1.0e-04 loss: 4.752e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2630/5000 [05:24<1:38:42, 2.50s/it, lr: 1.0e-04 loss: 4.752e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2631/5000 [05:28<1:39:01, 2.51s/it, lr: 1.0e-04 loss: 3.649e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2631/5000 [05:28<1:39:01, 2.51s/it, lr: 1.0e-04 loss: 3.649e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2632/5000 [05:30<1:38:52, 2.51s/it, lr: 1.0e-04 loss: 1.603e-01] lana-lora-wan2.2: 53%\|##########################8 \| 2632/5000 [05:30<1:38:52, 2.51s/it, lr: 1.0e-04 loss: 1.603e-01] lana-lora-wan2.2: 53%\|##########################8 \| 2633/5000 [05:34<1:39:16, 2.52s/it, lr: 1.0e-04 loss: 3.763e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2633/5000 [05:34<1:39:16, 2.52s/it, lr: 1.0e-04 loss: 3.763e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2634/5000 [05:38<1:39:33, 2.52s/it, lr: 1.0e-04 loss: 9.904e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2634/5000 [05:38<1:39:33, 2.52s/it, lr: 1.0e-04 loss: 9.904e-02] lana-lora-wan2.2: 53%\|##########################8 \| 2635/5000 [05:40<1:39:25, 2.52s/it, lr: 1.0e-04 loss: 2.256e-01] lana-lora-wan2.2: 53%\|##########################8 \| 2635/5000 [05:40<1:39:25, 2.52s/it, lr: 1.0e-04 loss: 2.256e-01] lana-lora-wan2.2: 53%\|##########################8 \| 2636/5000 [05:44<1:39:42, 2.53s/it, lr: 1.0e-04 loss: 1.030e-01] lana-lora-wan2.2: 53%\|##########################8 \| 2636/5000 [05:44<1:39:42, 2.53s/it, lr: 1.0e-04 loss: 1.030e-01] lana-lora-wan2.2: 53%\|##########################8 \| 2637/5000 [05:47<1:39:59, 2.54s/it, lr: 1.0e-04 loss: 1.158e-01] lana-lora-wan2.2: 53%\|##########################8 \| 2637/5000 [05:47<1:39:59, 2.54s/it, lr: 1.0e-04 loss: 1.158e-01] lana-lora-wan2.2: 53%\|##########################9 \| 2638/5000 [05:51<1:40:15, 2.55s/it, lr: 1.0e-04 loss: 1.699e-01] lana-lora-wan2.2: 53%\|##########################9 \| 2638/5000 [05:51<1:40:15, 2.55s/it, lr: 1.0e-04 loss: 1.699e-01] lana-lora-wan2.2: 53%\|##########################9 \| 2639/5000 [05:53<1:39:56, 2.54s/it, lr: 1.0e-04 loss: 3.308e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2639/5000 [05:53<1:39:56, 2.54s/it, lr: 1.0e-04 loss: 3.308e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2640/5000 [05:56<1:40:12, 2.55s/it, lr: 1.0e-04 loss: 4.854e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2640/5000 [05:56<1:40:12, 2.55s/it, lr: 1.0e-04 loss: 4.854e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2641/5000 [05:57<1:39:46, 2.54s/it, lr: 1.0e-04 loss: 4.649e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2641/5000 [05:57<1:39:46, 2.54s/it, lr: 1.0e-04 loss: 4.649e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2642/5000 [05:59<1:39:21, 2.53s/it, lr: 1.0e-04 loss: 1.458e-01] lana-lora-wan2.2: 53%\|##########################9 \| 2642/5000 [05:59<1:39:21, 2.53s/it, lr: 1.0e-04 loss: 1.458e-01] lana-lora-wan2.2: 53%\|##########################9 \| 2643/5000 [06:02<1:39:37, 2.54s/it, lr: 1.0e-04 loss: 3.384e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2643/5000 [06:02<1:39:37, 2.54s/it, lr: 1.0e-04 loss: 3.384e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2644/5000 [06:06<1:39:57, 2.55s/it, lr: 1.0e-04 loss: 1.377e-01] lana-lora-wan2.2: 53%\|##########################9 \| 2644/5000 [06:06<1:39:57, 2.55s/it, lr: 1.0e-04 loss: 1.377e-01] lana-lora-wan2.2: 53%\|##########################9 \| 2645/5000 [06:08<1:39:49, 2.54s/it, lr: 1.0e-04 loss: 4.828e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2645/5000 [06:08<1:39:49, 2.54s/it, lr: 1.0e-04 loss: 4.828e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2646/5000 [06:12<1:40:04, 2.55s/it, lr: 1.0e-04 loss: 1.666e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2646/5000 [06:12<1:40:04, 2.55s/it, lr: 1.0e-04 loss: 1.666e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2647/5000 [06:14<1:39:55, 2.55s/it, lr: 1.0e-04 loss: 8.059e-02] lana-lora-wan2.2: 53%\|##########################9 \| 2647/5000 [06:14<1:39:55, 2.55s/it, lr: 1.0e-04 loss: 8.059e-02] lana-lora-wan2.2: 53%\|########################### \| 2648/5000 [06:15<1:39:31, 2.54s/it, lr: 1.0e-04 loss: 9.952e-02] lana-lora-wan2.2: 53%\|########################### \| 2648/5000 [06:15<1:39:31, 2.54s/it, lr: 1.0e-04 loss: 9.952e-02] lana-lora-wan2.2: 53%\|########################### \| 2649/5000 [06:16<1:39:07, 2.53s/it, lr: 1.0e-04 loss: 9.609e-02] lana-lora-wan2.2: 53%\|########################### \| 2649/5000 [06:16<1:39:07, 2.53s/it, lr: 1.0e-04 loss: 9.609e-02] lana-lora-wan2.2: 53%\|########################### \| 2650/5000 [06:20<1:39:27, 2.54s/it, lr: 1.0e-04 loss: 1.149e-01] lana-lora-wan2.2: 53%\|########################### \| 2650/5000 [06:20<1:39:27, 2.54s/it, lr: 1.0e-04 loss: 1.149e-01] lana-lora-wan2.2: 53%\|########################### \| 2651/5000 [06:23<1:39:19, 2.54s/it, lr: 1.0e-04 loss: 2.632e-02] lana-lora-wan2.2: 53%\|########################### \| 2651/5000 [06:23<1:39:19, 2.54s/it, lr: 1.0e-04 loss: 2.632e-02] lana-lora-wan2.2: 53%\|########################### \| 2652/5000 [06:24<1:38:55, 2.53s/it, lr: 1.0e-04 loss: 3.628e-02] lana-lora-wan2.2: 53%\|########################### \| 2652/5000 [06:24<1:38:55, 2.53s/it, lr: 1.0e-04 loss: 3.628e-02] lana-lora-wan2.2: 53%\|########################### \| 2653/5000 [06:26<1:38:47, 2.53s/it, lr: 1.0e-04 loss: 4.784e-02] lana-lora-wan2.2: 53%\|########################### \| 2653/5000 [06:26<1:38:47, 2.53s/it, lr: 1.0e-04 loss: 4.784e-02] lana-lora-wan2.2: 53%\|########################### \| 2654/5000 [06:28<1:38:39, 2.52s/it, lr: 1.0e-04 loss: 1.028e-01] lana-lora-wan2.2: 53%\|########################### \| 2654/5000 [06:28<1:38:39, 2.52s/it, lr: 1.0e-04 loss: 1.028e-01] lana-lora-wan2.2: 53%\|########################### \| 2655/5000 [06:29<1:38:16, 2.51s/it, lr: 1.0e-04 loss: 7.485e-02] lana-lora-wan2.2: 53%\|########################### \| 2655/5000 [06:29<1:38:16, 2.51s/it, lr: 1.0e-04 loss: 7.485e-02] lana-lora-wan2.2: 53%\|########################### \| 2656/5000 [06:31<1:38:00, 2.51s/it, lr: 1.0e-04 loss: 1.484e-01] lana-lora-wan2.2: 53%\|########################### \| 2656/5000 [06:31<1:38:00, 2.51s/it, lr: 1.0e-04 loss: 1.484e-01] lana-lora-wan2.2: 53%\|###########################1 \| 2657/5000 [06:35<1:38:14, 2.52s/it, lr: 1.0e-04 loss: 1.038e-01] lana-lora-wan2.2: 53%\|###########################1 \| 2657/5000 [06:35<1:38:14, 2.52s/it, lr: 1.0e-04 loss: 1.038e-01] lana-lora-wan2.2: 53%\|###########################1 \| 2658/5000 [06:36<1:37:52, 2.51s/it, lr: 1.0e-04 loss: 3.977e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2658/5000 [06:36<1:37:52, 2.51s/it, lr: 1.0e-04 loss: 3.977e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2659/5000 [06:38<1:37:44, 2.51s/it, lr: 1.0e-04 loss: 4.251e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2659/5000 [06:38<1:37:44, 2.51s/it, lr: 1.0e-04 loss: 4.251e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2660/5000 [06:39<1:37:23, 2.50s/it, lr: 1.0e-04 loss: 3.687e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2660/5000 [06:39<1:37:23, 2.50s/it, lr: 1.0e-04 loss: 3.687e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2661/5000 [06:40<1:37:01, 2.49s/it, lr: 1.0e-04 loss: 1.473e-01] lana-lora-wan2.2: 53%\|###########################1 \| 2661/5000 [06:40<1:37:01, 2.49s/it, lr: 1.0e-04 loss: 1.473e-01] lana-lora-wan2.2: 53%\|###########################1 \| 2662/5000 [06:42<1:36:44, 2.48s/it, lr: 1.0e-04 loss: 4.041e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2662/5000 [06:42<1:36:44, 2.48s/it, lr: 1.0e-04 loss: 4.041e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2663/5000 [06:44<1:36:37, 2.48s/it, lr: 1.0e-04 loss: 3.548e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2663/5000 [06:44<1:36:37, 2.48s/it, lr: 1.0e-04 loss: 3.548e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2664/5000 [06:48<1:36:51, 2.49s/it, lr: 1.0e-04 loss: 7.290e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2664/5000 [06:48<1:36:51, 2.49s/it, lr: 1.0e-04 loss: 7.290e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2665/5000 [06:51<1:37:05, 2.50s/it, lr: 1.0e-04 loss: 8.806e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2665/5000 [06:51<1:37:05, 2.50s/it, lr: 1.0e-04 loss: 8.806e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2666/5000 [06:53<1:36:58, 2.49s/it, lr: 1.0e-04 loss: 5.147e-02] lana-lora-wan2.2: 53%\|###########################1 \| 2666/5000 [06:53<1:36:58, 2.49s/it, lr: 1.0e-04 loss: 5.147e-02] lana-lora-wan2.2: 53%\|###########################2 \| 2667/5000 [06:55<1:36:37, 2.49s/it, lr: 1.0e-04 loss: 4.911e-02] lana-lora-wan2.2: 53%\|###########################2 \| 2667/5000 [06:55<1:36:37, 2.49s/it, lr: 1.0e-04 loss: 4.911e-02] lana-lora-wan2.2: 53%\|###########################2 \| 2668/5000 [06:56<1:36:21, 2.48s/it, lr: 1.0e-04 loss: 3.564e-02] lana-lora-wan2.2: 53%\|###########################2 \| 2668/5000 [06:56<1:36:21, 2.48s/it, lr: 1.0e-04 loss: 3.564e-02] lana-lora-wan2.2: 53%\|###########################2 \| 2669/5000 [07:00<1:36:35, 2.49s/it, lr: 1.0e-04 loss: 1.330e-01] lana-lora-wan2.2: 53%\|###########################2 \| 2669/5000 [07:00<1:36:35, 2.49s/it, lr: 1.0e-04 loss: 1.330e-01] lana-lora-wan2.2: 53%\|###########################2 \| 2670/5000 [07:03<1:36:48, 2.49s/it, lr: 1.0e-04 loss: 3.051e-02] lana-lora-wan2.2: 53%\|###########################2 \| 2670/5000 [07:03<1:36:48, 2.49s/it, lr: 1.0e-04 loss: 3.051e-02] lana-lora-wan2.2: 53%\|###########################2 \| 2671/5000 [07:04<1:36:28, 2.49s/it, lr: 1.0e-04 loss: 2.016e-01] lana-lora-wan2.2: 53%\|###########################2 \| 2671/5000 [07:04<1:36:28, 2.49s/it, lr: 1.0e-04 loss: 2.016e-01] lana-lora-wan2.2: 53%\|###########################2 \| 2672/5000 [07:07<1:36:21, 2.48s/it, lr: 1.0e-04 loss: 9.228e-02] lana-lora-wan2.2: 53%\|###########################2 \| 2672/5000 [07:07<1:36:21, 2.48s/it, lr: 1.0e-04 loss: 9.228e-02] lana-lora-wan2.2: 53%\|###########################2 \| 2673/5000 [07:09<1:36:18, 2.48s/it, lr: 1.0e-04 loss: 8.319e-02] lana-lora-wan2.2: 53%\|###########################2 \| 2673/5000 [07:09<1:36:18, 2.48s/it, lr: 1.0e-04 loss: 8.319e-02] lana-lora-wan2.2: 53%\|###########################2 \| 2674/5000 [07:10<1:35:58, 2.48s/it, lr: 1.0e-04 loss: 3.974e-02] lana-lora-wan2.2: 53%\|###########################2 \| 2674/5000 [07:10<1:35:58, 2.48s/it, lr: 1.0e-04 loss: 3.974e-02] lana-lora-wan2.2: 54%\|###########################2 \| 2675/5000 [07:12<1:35:52, 2.47s/it, lr: 1.0e-04 loss: 2.850e-02] lana-lora-wan2.2: 54%\|###########################2 \| 2675/5000 [07:12<1:35:52, 2.47s/it, lr: 1.0e-04 loss: 2.850e-02] lana-lora-wan2.2: 54%\|###########################2 \| 2676/5000 [07:14<1:35:33, 2.47s/it, lr: 1.0e-04 loss: 1.286e-01] lana-lora-wan2.2: 54%\|###########################2 \| 2676/5000 [07:14<1:35:33, 2.47s/it, lr: 1.0e-04 loss: 1.286e-01] lana-lora-wan2.2: 54%\|###########################3 \| 2677/5000 [07:15<1:35:13, 2.46s/it, lr: 1.0e-04 loss: 4.520e-02] lana-lora-wan2.2: 54%\|###########################3 \| 2677/5000 [07:15<1:35:13, 2.46s/it, lr: 1.0e-04 loss: 4.520e-02] lana-lora-wan2.2: 54%\|###########################3 \| 2678/5000 [07:17<1:35:07, 2.46s/it, lr: 1.0e-04 loss: 1.385e-01] lana-lora-wan2.2: 54%\|###########################3 \| 2678/5000 [07:17<1:35:07, 2.46s/it, lr: 1.0e-04 loss: 1.385e-01] lana-lora-wan2.2: 54%\|###########################3 \| 2679/5000 [07:19<1:34:52, 2.45s/it, lr: 1.0e-04 loss: 1.687e-01] lana-lora-wan2.2: 54%\|###########################3 \| 2679/5000 [07:19<1:34:52, 2.45s/it, lr: 1.0e-04 loss: 1.687e-01] lana-lora-wan2.2: 54%\|###########################3 \| 2680/5000 [07:20<1:34:33, 2.45s/it, lr: 1.0e-04 loss: 1.178e-01] lana-lora-wan2.2: 54%\|###########################3 \| 2680/5000 [07:20<1:34:33, 2.45s/it, lr: 1.0e-04 loss: 1.178e-01] lana-lora-wan2.2: 54%\|###########################3 \| 2681/5000 [07:22<1:34:27, 2.44s/it, lr: 1.0e-04 loss: 4.783e-02] lana-lora-wan2.2: 54%\|###########################3 \| 2681/5000 [07:22<1:34:27, 2.44s/it, lr: 1.0e-04 loss: 4.783e-02] lana-lora-wan2.2: 54%\|###########################3 \| 2682/5000 [07:23<1:34:08, 2.44s/it, lr: 1.0e-04 loss: 6.449e-02] lana-lora-wan2.2: 54%\|###########################3 \| 2682/5000 [07:23<1:34:08, 2.44s/it, lr: 1.0e-04 loss: 6.449e-02] lana-lora-wan2.2: 54%\|###########################3 \| 2683/5000 [07:27<1:34:21, 2.44s/it, lr: 1.0e-04 loss: 2.451e-02] lana-lora-wan2.2: 54%\|###########################3 \| 2683/5000 [07:27<1:34:21, 2.44s/it, lr: 1.0e-04 loss: 2.451e-02] lana-lora-wan2.2: 54%\|###########################3 \| 2684/5000 [07:30<1:34:34, 2.45s/it, lr: 1.0e-04 loss: 2.959e-02] lana-lora-wan2.2: 54%\|###########################3 \| 2684/5000 [07:30<1:34:34, 2.45s/it, lr: 1.0e-04 loss: 2.959e-02] lana-lora-wan2.2: 54%\|###########################3 \| 2685/5000 [07:33<1:34:32, 2.45s/it, lr: 1.0e-04 loss: 4.400e-02] lana-lora-wan2.2: 54%\|###########################3 \| 2685/5000 [07:33<1:34:32, 2.45s/it, lr: 1.0e-04 loss: 4.400e-02] lana-lora-wan2.2: 54%\|###########################3 \| 2686/5000 [07:34<1:34:13, 2.44s/it, lr: 1.0e-04 loss: 2.780e-01] lana-lora-wan2.2: 54%\|###########################3 \| 2686/5000 [07:34<1:34:13, 2.44s/it, lr: 1.0e-04 loss: 2.780e-01] lana-lora-wan2.2: 54%\|###########################4 \| 2687/5000 [07:35<1:33:55, 2.44s/it, lr: 1.0e-04 loss: 4.975e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2687/5000 [07:35<1:33:55, 2.44s/it, lr: 1.0e-04 loss: 4.975e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2688/5000 [07:36<1:33:38, 2.43s/it, lr: 1.0e-04 loss: 2.924e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2688/5000 [07:36<1:33:38, 2.43s/it, lr: 1.0e-04 loss: 2.924e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2689/5000 [07:39<1:33:32, 2.43s/it, lr: 1.0e-04 loss: 2.939e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2689/5000 [07:39<1:33:32, 2.43s/it, lr: 1.0e-04 loss: 2.939e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2690/5000 [07:41<1:33:30, 2.43s/it, lr: 1.0e-04 loss: 5.642e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2690/5000 [07:41<1:33:30, 2.43s/it, lr: 1.0e-04 loss: 5.642e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2691/5000 [07:42<1:33:13, 2.42s/it, lr: 1.0e-04 loss: 3.258e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2691/5000 [07:42<1:33:13, 2.42s/it, lr: 1.0e-04 loss: 3.258e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2692/5000 [07:44<1:33:08, 2.42s/it, lr: 1.0e-04 loss: 1.279e-01] lana-lora-wan2.2: 54%\|###########################4 \| 2692/5000 [07:44<1:33:08, 2.42s/it, lr: 1.0e-04 loss: 1.279e-01] lana-lora-wan2.2: 54%\|###########################4 \| 2693/5000 [07:46<1:32:50, 2.41s/it, lr: 1.0e-04 loss: 8.700e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2693/5000 [07:46<1:32:50, 2.41s/it, lr: 1.0e-04 loss: 8.700e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2694/5000 [07:49<1:33:03, 2.42s/it, lr: 1.0e-04 loss: 1.202e-01] lana-lora-wan2.2: 54%\|###########################4 \| 2694/5000 [07:49<1:33:03, 2.42s/it, lr: 1.0e-04 loss: 1.202e-01] lana-lora-wan2.2: 54%\|###########################4 \| 2695/5000 [07:50<1:32:46, 2.41s/it, lr: 1.0e-04 loss: 2.192e-01] lana-lora-wan2.2: 54%\|###########################4 \| 2695/5000 [07:50<1:32:46, 2.41s/it, lr: 1.0e-04 loss: 2.192e-01] lana-lora-wan2.2: 54%\|###########################4 \| 2696/5000 [07:53<1:32:44, 2.42s/it, lr: 1.0e-04 loss: 8.183e-02] lana-lora-wan2.2: 54%\|###########################4 \| 2696/5000 [07:53<1:32:44, 2.42s/it, lr: 1.0e-04 loss: 8.183e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2697/5000 [07:54<1:32:27, 2.41s/it, lr: 1.0e-04 loss: 1.722e-01] lana-lora-wan2.2: 54%\|###########################5 \| 2697/5000 [07:54<1:32:27, 2.41s/it, lr: 1.0e-04 loss: 1.722e-01] lana-lora-wan2.2: 54%\|###########################5 \| 2698/5000 [07:56<1:32:22, 2.41s/it, lr: 1.0e-04 loss: 3.885e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2698/5000 [07:56<1:32:22, 2.41s/it, lr: 1.0e-04 loss: 3.885e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2699/5000 [07:57<1:32:06, 2.40s/it, lr: 1.0e-04 loss: 3.994e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2699/5000 [07:57<1:32:06, 2.40s/it, lr: 1.0e-04 loss: 3.994e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2700/5000 [08:00<1:32:01, 2.40s/it, lr: 1.0e-04 loss: 1.116e-01] lana-lora-wan2.2: 54%\|###########################5 \| 2700/5000 [08:00<1:32:01, 2.40s/it, lr: 1.0e-04 loss: 1.116e-01] lana-lora-wan2.2: 54%\|###########################5 \| 2701/5000 [08:03<1:32:13, 2.41s/it, lr: 1.0e-04 loss: 4.135e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2701/5000 [08:03<1:32:13, 2.41s/it, lr: 1.0e-04 loss: 4.135e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2702/5000 [08:07<1:32:28, 2.41s/it, lr: 1.0e-04 loss: 5.761e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2702/5000 [08:07<1:32:28, 2.41s/it, lr: 1.0e-04 loss: 5.761e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2703/5000 [08:11<1:32:39, 2.42s/it, lr: 1.0e-04 loss: 5.382e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2703/5000 [08:11<1:32:39, 2.42s/it, lr: 1.0e-04 loss: 5.382e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2704/5000 [08:15<1:32:51, 2.43s/it, lr: 1.0e-04 loss: 3.729e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2704/5000 [08:15<1:32:51, 2.43s/it, lr: 1.0e-04 loss: 3.729e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2705/5000 [08:18<1:33:02, 2.43s/it, lr: 1.0e-04 loss: 8.898e-02] lana-lora-wan2.2: 54%\|###########################5 \| 2705/5000 [08:18<1:33:02, 2.43s/it, lr: 1.0e-04 loss: 8.898e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2706/5000 [08:19<1:32:46, 2.43s/it, lr: 1.0e-04 loss: 4.539e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2706/5000 [08:19<1:32:46, 2.43s/it, lr: 1.0e-04 loss: 4.539e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2707/5000 [08:21<1:32:29, 2.42s/it, lr: 1.0e-04 loss: 1.050e-01] lana-lora-wan2.2: 54%\|###########################6 \| 2707/5000 [08:21<1:32:29, 2.42s/it, lr: 1.0e-04 loss: 1.050e-01] lana-lora-wan2.2: 54%\|###########################6 \| 2708/5000 [08:23<1:32:27, 2.42s/it, lr: 1.0e-04 loss: 8.693e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2708/5000 [08:23<1:32:27, 2.42s/it, lr: 1.0e-04 loss: 8.693e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2709/5000 [08:24<1:32:11, 2.41s/it, lr: 1.0e-04 loss: 1.461e-01] lana-lora-wan2.2: 54%\|###########################6 \| 2709/5000 [08:24<1:32:11, 2.41s/it, lr: 1.0e-04 loss: 1.461e-01] lana-lora-wan2.2: 54%\|###########################6 \| 2710/5000 [08:28<1:32:22, 2.42s/it, lr: 1.0e-04 loss: 3.809e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2710/5000 [08:28<1:32:22, 2.42s/it, lr: 1.0e-04 loss: 3.809e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2711/5000 [08:30<1:32:17, 2.42s/it, lr: 1.0e-04 loss: 5.685e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2711/5000 [08:30<1:32:17, 2.42s/it, lr: 1.0e-04 loss: 5.685e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2712/5000 [08:34<1:32:28, 2.43s/it, lr: 1.0e-04 loss: 4.197e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2712/5000 [08:34<1:32:28, 2.43s/it, lr: 1.0e-04 loss: 4.197e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2713/5000 [08:36<1:32:23, 2.42s/it, lr: 1.0e-04 loss: 3.087e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2713/5000 [08:36<1:32:23, 2.42s/it, lr: 1.0e-04 loss: 3.087e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2714/5000 [08:38<1:32:22, 2.42s/it, lr: 1.0e-04 loss: 4.541e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2714/5000 [08:38<1:32:22, 2.42s/it, lr: 1.0e-04 loss: 4.541e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2715/5000 [08:41<1:32:23, 2.43s/it, lr: 1.0e-04 loss: 3.021e-02] lana-lora-wan2.2: 54%\|###########################6 \| 2715/5000 [08:41<1:32:23, 2.43s/it, lr: 1.0e-04 loss: 3.021e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2716/5000 [08:42<1:32:08, 2.42s/it, lr: 1.0e-04 loss: 5.925e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2716/5000 [08:42<1:32:08, 2.42s/it, lr: 1.0e-04 loss: 5.925e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2717/5000 [08:44<1:31:53, 2.41s/it, lr: 1.0e-04 loss: 8.932e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2717/5000 [08:44<1:31:53, 2.41s/it, lr: 1.0e-04 loss: 8.932e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2718/5000 [08:46<1:31:48, 2.41s/it, lr: 1.0e-04 loss: 2.847e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2718/5000 [08:46<1:31:48, 2.41s/it, lr: 1.0e-04 loss: 2.847e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2719/5000 [08:48<1:31:43, 2.41s/it, lr: 1.0e-04 loss: 4.017e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2719/5000 [08:48<1:31:43, 2.41s/it, lr: 1.0e-04 loss: 4.017e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2720/5000 [08:51<1:31:46, 2.42s/it, lr: 1.0e-04 loss: 4.260e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2720/5000 [08:51<1:31:46, 2.42s/it, lr: 1.0e-04 loss: 4.260e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2721/5000 [08:54<1:31:56, 2.42s/it, lr: 1.0e-04 loss: 5.989e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2721/5000 [08:54<1:31:56, 2.42s/it, lr: 1.0e-04 loss: 5.989e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2722/5000 [08:56<1:31:41, 2.42s/it, lr: 1.0e-04 loss: 4.207e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2722/5000 [08:56<1:31:41, 2.42s/it, lr: 1.0e-04 loss: 4.207e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2723/5000 [08:58<1:31:36, 2.41s/it, lr: 1.0e-04 loss: 5.148e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2723/5000 [08:58<1:31:36, 2.41s/it, lr: 1.0e-04 loss: 5.148e-02] lana-lora-wan2.2: 54%\|###########################7 \| 2724/5000 [09:00<1:31:31, 2.41s/it, lr: 1.0e-04 loss: 1.240e-01] lana-lora-wan2.2: 54%\|###########################7 \| 2724/5000 [09:00<1:31:31, 2.41s/it, lr: 1.0e-04 loss: 1.240e-01] lana-lora-wan2.2: 55%\|###########################7 \| 2725/5000 [09:04<1:31:45, 2.42s/it, lr: 1.0e-04 loss: 2.046e-01] lana-lora-wan2.2: 55%\|###########################7 \| 2725/5000 [09:04<1:31:45, 2.42s/it, lr: 1.0e-04 loss: 2.046e-01] lana-lora-wan2.2: 55%\|###########################8 \| 2726/5000 [09:08<1:31:55, 2.43s/it, lr: 1.0e-04 loss: 1.540e-01] lana-lora-wan2.2: 55%\|###########################8 \| 2726/5000 [09:08<1:31:55, 2.43s/it, lr: 1.0e-04 loss: 1.540e-01] lana-lora-wan2.2: 55%\|###########################8 \| 2727/5000 [09:09<1:31:40, 2.42s/it, lr: 1.0e-04 loss: 3.500e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2727/5000 [09:09<1:31:40, 2.42s/it, lr: 1.0e-04 loss: 3.500e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2728/5000 [09:10<1:31:25, 2.41s/it, lr: 1.0e-04 loss: 3.098e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2728/5000 [09:10<1:31:25, 2.41s/it, lr: 1.0e-04 loss: 3.098e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2729/5000 [09:11<1:31:10, 2.41s/it, lr: 1.0e-04 loss: 3.159e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2729/5000 [09:11<1:31:10, 2.41s/it, lr: 1.0e-04 loss: 3.159e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2730/5000 [09:15<1:31:20, 2.41s/it, lr: 1.0e-04 loss: 4.649e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2730/5000 [09:15<1:31:20, 2.41s/it, lr: 1.0e-04 loss: 4.649e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2731/5000 [09:19<1:31:33, 2.42s/it, lr: 1.0e-04 loss: 1.176e-01] lana-lora-wan2.2: 55%\|###########################8 \| 2731/5000 [09:19<1:31:33, 2.42s/it, lr: 1.0e-04 loss: 1.176e-01] lana-lora-wan2.2: 55%\|###########################8 \| 2732/5000 [09:22<1:31:42, 2.43s/it, lr: 1.0e-04 loss: 2.387e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2732/5000 [09:22<1:31:42, 2.43s/it, lr: 1.0e-04 loss: 2.387e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2733/5000 [09:24<1:31:28, 2.42s/it, lr: 1.0e-04 loss: 3.283e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2733/5000 [09:24<1:31:28, 2.42s/it, lr: 1.0e-04 loss: 3.283e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2734/5000 [09:27<1:31:38, 2.43s/it, lr: 1.0e-04 loss: 3.274e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2734/5000 [09:27<1:31:38, 2.43s/it, lr: 1.0e-04 loss: 3.274e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2735/5000 [09:28<1:31:23, 2.42s/it, lr: 1.0e-04 loss: 3.941e-02] lana-lora-wan2.2: 55%\|###########################8 \| 2735/5000 [09:28<1:31:23, 2.42s/it, lr: 1.0e-04 loss: 3.941e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2736/5000 [09:32<1:31:33, 2.43s/it, lr: 1.0e-04 loss: 1.198e-01] lana-lora-wan2.2: 55%\|###########################9 \| 2736/5000 [09:32<1:31:33, 2.43s/it, lr: 1.0e-04 loss: 1.198e-01] lana-lora-wan2.2: 55%\|###########################9 \| 2737/5000 [09:36<1:31:45, 2.43s/it, lr: 1.0e-04 loss: 3.137e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2737/5000 [09:36<1:31:45, 2.43s/it, lr: 1.0e-04 loss: 3.137e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2738/5000 [09:38<1:31:40, 2.43s/it, lr: 1.0e-04 loss: 5.167e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2738/5000 [09:38<1:31:40, 2.43s/it, lr: 1.0e-04 loss: 5.167e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2739/5000 [09:42<1:31:49, 2.44s/it, lr: 1.0e-04 loss: 1.225e-01] lana-lora-wan2.2: 55%\|###########################9 \| 2739/5000 [09:42<1:31:49, 2.44s/it, lr: 1.0e-04 loss: 1.225e-01] lana-lora-wan2.2: 55%\|###########################9 \| 2740/5000 [09:46<1:31:58, 2.44s/it, lr: 1.0e-04 loss: 2.784e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2740/5000 [09:46<1:31:58, 2.44s/it, lr: 1.0e-04 loss: 2.784e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2741/5000 [09:47<1:31:44, 2.44s/it, lr: 1.0e-04 loss: 6.204e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2741/5000 [09:47<1:31:44, 2.44s/it, lr: 1.0e-04 loss: 6.204e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2742/5000 [09:48<1:31:29, 2.43s/it, lr: 1.0e-04 loss: 7.988e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2742/5000 [09:48<1:31:29, 2.43s/it, lr: 1.0e-04 loss: 7.988e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2743/5000 [09:50<1:31:28, 2.43s/it, lr: 1.0e-04 loss: 1.428e-01] lana-lora-wan2.2: 55%\|###########################9 \| 2743/5000 [09:50<1:31:28, 2.43s/it, lr: 1.0e-04 loss: 1.428e-01] lana-lora-wan2.2: 55%\|###########################9 \| 2744/5000 [09:52<1:31:14, 2.43s/it, lr: 1.0e-04 loss: 6.596e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2744/5000 [09:52<1:31:14, 2.43s/it, lr: 1.0e-04 loss: 6.596e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2745/5000 [09:54<1:31:09, 2.43s/it, lr: 1.0e-04 loss: 6.020e-02] lana-lora-wan2.2: 55%\|###########################9 \| 2745/5000 [09:54<1:31:09, 2.43s/it, lr: 1.0e-04 loss: 6.020e-02] lana-lora-wan2.2: 55%\|############################ \| 2746/5000 [09:57<1:31:18, 2.43s/it, lr: 1.0e-04 loss: 3.349e-02] lana-lora-wan2.2: 55%\|############################ \| 2746/5000 [09:57<1:31:18, 2.43s/it, lr: 1.0e-04 loss: 3.349e-02] lana-lora-wan2.2: 55%\|############################ \| 2747/5000 [10:00<1:31:13, 2.43s/it, lr: 1.0e-04 loss: 3.810e-02] lana-lora-wan2.2: 55%\|############################ \| 2747/5000 [10:00<1:31:13, 2.43s/it, lr: 1.0e-04 loss: 3.810e-02] lana-lora-wan2.2: 55%\|############################ \| 2748/5000 [10:01<1:30:59, 2.42s/it, lr: 1.0e-04 loss: 8.989e-02] lana-lora-wan2.2: 55%\|############################ \| 2748/5000 [10:01<1:30:59, 2.42s/it, lr: 1.0e-04 loss: 8.989e-02] lana-lora-wan2.2: 55%\|############################ \| 2749/5000 [10:05<1:31:10, 2.43s/it, lr: 1.0e-04 loss: 4.808e-02] lana-lora-wan2.2: 55%\|############################ \| 2749/5000 [10:05<1:31:10, 2.43s/it, lr: 1.0e-04 loss: 4.808e-02]
	Saving at step 2750
	Saved checkpoint to /root/lab/ai-toolkit/output/lana-lora-wan2.2/lana-lora-wan2.2_000002750.safetensors
	Saved optimizer to /root/lab/ai-toolkit/output/lana-lora-wan2.2/optimizer.pt
	Removing old save: /root/lab/ai-toolkit/output/lana-lora-wan2.2/lana-lora-wan2.2_000000750_low_noise.safetensors


	Generating Images: 0%\| \| 0/1 [00:00<?, ?it/s] Generating Images: 0%\| \| 0/1 [00:00<?, ?it/s][A[A



	0%\| \| 0/12 [00:00<?, ?it/s] 0%\| \| 0/12 [00:00<?, ?it/s][A[A[A[A



	8%\|########7 \| 1/12 [00:00<00:07, 1.51it/s] 8%\|########7 \| 1/12 [00:00<00:07, 1.51it/s][A[A[A[A



	17%\|#################5 \| 2/12 [00:01<00:06, 1.51it/s] 17%\|#################5 \| 2/12 [00:01<00:06, 1.51it/s][A[A[A[A



	25%\|##########################2 \| 3/12 [00:02<00:06, 1.38it/s] 25%\|##########################2 \| 3/12 [00:02<00:06, 1.38it/s][A[A[A[A



	33%\|################################### \| 4/12 [00:02<00:05, 1.44it/s] 33%\|################################### \| 4/12 [00:02<00:05, 1.44it/s][A[A[A[A



	42%\|###########################################7 \| 5/12 [00:03<00:04, 1.47it/s] 42%\|###########################################7 \| 5/12 [00:03<00:04, 1.47it/s][A[A[A[A



	50%\|####################################################5 \| 6/12 [00:04<00:04, 1.49it/s] 50%\|####################################################5 \| 6/12 [00:04<00:04, 1.49it/s][A[A[A[A



	58%\|#############################################################2 \| 7/12 [00:04<00:03, 1.50it/s] 58%\|#############################################################2 \| 7/12 [00:04<00:03, 1.50it/s][A[A[A[A



	67%\|###################################################################### \| 8/12 [00:05<00:02, 1.51it/s] 67%\|###################################################################### \| 8/12 [00:05<00:02, 1.51it/s][A[A[A[A



	75%\|##############################################################################7 \| 9/12 [00:06<00:01, 1.52it/s] 75%\|##############################################################################7 \| 9/12 [00:06<00:01, 1.52it/s][A[A[A[A



	83%\|######################################################################################6 \| 10/12 [00:06<00:01, 1.52it/s] 83%\|######################################################################################6 \| 10/12 [00:06<00:01, 1.52it/s][A[A[A[A



	92%\|###############################################################################################3 \| 11/12 [00:07<00:00, 1.53it/s] 92%\|###############################################################################################3 \| 11/12 [00:07<00:00, 1.53it/s][A[A[A[A



	100%\|########################################################################################################\| 12/12 [00:07<00:00, 1.53it/s] 100%\|########################################################################################################\| 12/12 [00:07<00:00, 1.53it/s][A[A[A[A 100%\|########################################################################################################\| 12/12 [00:07<00:00, 1.50it/s] 100%\|########################################################################################################\| 12/12 [00:07<00:00, 1.50it/s]



	Generating Images: 100%\|#######################################################################################\| 1/1 [00:08<00:00, 8.79s/it] Generating Images: 100%\|#######################################################################################\| 1/1 [00:08<00:00, 8.79s/it][A[A

	[A[A lana-lora-wan2.2: 55%\|############################ \| 2750/5000 [10:07<1:31:08, 2.43s/it, lr: 1.0e-04 loss: 2.544e-02] lana-lora-wan2.2: 55%\|############################ \| 2750/5000 [10:07<1:31:08, 2.43s/it, lr: 1.0e-04 loss: 2.544e-02] lana-lora-wan2.2: 55%\|############################ \| 2751/5000 [10:11<1:31:16, 2.44s/it, lr: 1.0e-04 loss: 3.288e-02] lana-lora-wan2.2: 55%\|############################ \| 2751/5000 [10:11<1:31:16, 2.44s/it, lr: 1.0e-04 loss: 3.288e-02] lana-lora-wan2.2: 55%\|############################ \| 2752/5000 [10:12<1:31:02, 2.43s/it, lr: 1.0e-04 loss: 3.746e-02] lana-lora-wan2.2: 55%\|############################ \| 2752/5000 [10:12<1:31:02, 2.43s/it, lr: 1.0e-04 loss: 3.746e-02] lana-lora-wan2.2: 55%\|############################ \| 2753/5000 [10:13<1:30:49, 2.43s/it, lr: 1.0e-04 loss: 3.980e-02] lana-lora-wan2.2: 55%\|############################ \| 2753/5000 [10:13<1:30:49, 2.43s/it, lr: 1.0e-04 loss: 3.980e-02] lana-lora-wan2.2: 55%\|############################ \| 2754/5000 [10:14<1:30:36, 2.42s/it, lr: 1.0e-04 loss: 4.564e-02] lana-lora-wan2.2: 55%\|############################ \| 2754/5000 [10:14<1:30:36, 2.42s/it, lr: 1.0e-04 loss: 4.564e-02] lana-lora-wan2.2: 55%\|############################1 \| 2755/5000 [10:18<1:30:47, 2.43s/it, lr: 1.0e-04 loss: 1.241e-01] lana-lora-wan2.2: 55%\|############################1 \| 2755/5000 [10:18<1:30:47, 2.43s/it, lr: 1.0e-04 loss: 1.241e-01] lana-lora-wan2.2: 55%\|############################1 \| 2756/5000 [10:20<1:30:42, 2.43s/it, lr: 1.0e-04 loss: 3.301e-02] lana-lora-wan2.2: 55%\|############################1 \| 2756/5000 [10:20<1:30:42, 2.43s/it, lr: 1.0e-04 loss: 3.301e-02] lana-lora-wan2.2: 55%\|############################1 \| 2757/5000 [10:22<1:30:29, 2.42s/it, lr: 1.0e-04 loss: 3.188e-02] lana-lora-wan2.2: 55%\|############################1 \| 2757/5000 [10:22<1:30:29, 2.42s/it, lr: 1.0e-04 loss: 3.188e-02] lana-lora-wan2.2: 55%\|############################1 \| 2758/5000 [10:24<1:30:24, 2.42s/it, lr: 1.0e-04 loss: 1.960e-01] lana-lora-wan2.2: 55%\|############################1 \| 2758/5000 [10:24<1:30:24, 2.42s/it, lr: 1.0e-04 loss: 1.960e-01] lana-lora-wan2.2: 55%\|############################1 \| 2759/5000 [10:27<1:30:32, 2.42s/it, lr: 1.0e-04 loss: 3.730e-02] lana-lora-wan2.2: 55%\|############################1 \| 2759/5000 [10:27<1:30:32, 2.42s/it, lr: 1.0e-04 loss: 3.730e-02] lana-lora-wan2.2: 55%\|############################1 \| 2760/5000 [10:31<1:30:41, 2.43s/it, lr: 1.0e-04 loss: 1.279e-01] lana-lora-wan2.2: 55%\|############################1 \| 2760/5000 [10:31<1:30:41, 2.43s/it, lr: 1.0e-04 loss: 1.279e-01] lana-lora-wan2.2: 55%\|############################1 \| 2761/5000 [10:34<1:30:39, 2.43s/it, lr: 1.0e-04 loss: 2.951e-02] lana-lora-wan2.2: 55%\|############################1 \| 2761/5000 [10:34<1:30:39, 2.43s/it, lr: 1.0e-04 loss: 2.951e-02] lana-lora-wan2.2: 55%\|############################1 \| 2762/5000 [10:35<1:30:26, 2.42s/it, lr: 1.0e-04 loss: 6.357e-02] lana-lora-wan2.2: 55%\|############################1 \| 2762/5000 [10:35<1:30:26, 2.42s/it, lr: 1.0e-04 loss: 6.357e-02] lana-lora-wan2.2: 55%\|############################1 \| 2763/5000 [10:37<1:30:21, 2.42s/it, lr: 1.0e-04 loss: 2.899e-02] lana-lora-wan2.2: 55%\|############################1 \| 2763/5000 [10:37<1:30:21, 2.42s/it, lr: 1.0e-04 loss: 2.899e-02] lana-lora-wan2.2: 55%\|############################1 \| 2764/5000 [10:39<1:30:17, 2.42s/it, lr: 1.0e-04 loss: 4.318e-02] lana-lora-wan2.2: 55%\|############################1 \| 2764/5000 [10:39<1:30:17, 2.42s/it, lr: 1.0e-04 loss: 4.318e-02] lana-lora-wan2.2: 55%\|############################2 \| 2765/5000 [10:40<1:30:03, 2.42s/it, lr: 1.0e-04 loss: 4.238e-02] lana-lora-wan2.2: 55%\|############################2 \| 2765/5000 [10:40<1:30:03, 2.42s/it, lr: 1.0e-04 loss: 4.238e-02] lana-lora-wan2.2: 55%\|############################2 \| 2766/5000 [10:42<1:29:59, 2.42s/it, lr: 1.0e-04 loss: 2.921e-02] lana-lora-wan2.2: 55%\|############################2 \| 2766/5000 [10:42<1:29:59, 2.42s/it, lr: 1.0e-04 loss: 2.921e-02] lana-lora-wan2.2: 55%\|############################2 \| 2767/5000 [10:44<1:29:49, 2.41s/it, lr: 1.0e-04 loss: 3.933e-02] lana-lora-wan2.2: 55%\|############################2 \| 2767/5000 [10:44<1:29:49, 2.41s/it, lr: 1.0e-04 loss: 3.933e-02] lana-lora-wan2.2: 55%\|############################2 \| 2768/5000 [10:48<1:29:57, 2.42s/it, lr: 1.0e-04 loss: 4.733e-02] lana-lora-wan2.2: 55%\|############################2 \| 2768/5000 [10:48<1:29:57, 2.42s/it, lr: 1.0e-04 loss: 4.733e-02] lana-lora-wan2.2: 55%\|############################2 \| 2769/5000 [10:51<1:30:05, 2.42s/it, lr: 1.0e-04 loss: 3.485e-02] lana-lora-wan2.2: 55%\|############################2 \| 2769/5000 [10:51<1:30:05, 2.42s/it, lr: 1.0e-04 loss: 3.485e-02] lana-lora-wan2.2: 55%\|############################2 \| 2770/5000 [10:52<1:29:52, 2.42s/it, lr: 1.0e-04 loss: 8.755e-02] lana-lora-wan2.2: 55%\|############################2 \| 2770/5000 [10:52<1:29:52, 2.42s/it, lr: 1.0e-04 loss: 8.755e-02] lana-lora-wan2.2: 55%\|############################2 \| 2771/5000 [10:55<1:29:47, 2.42s/it, lr: 1.0e-04 loss: 3.445e-01] lana-lora-wan2.2: 55%\|############################2 \| 2771/5000 [10:55<1:29:47, 2.42s/it, lr: 1.0e-04 loss: 3.445e-01] lana-lora-wan2.2: 55%\|############################2 \| 2772/5000 [10:56<1:29:35, 2.41s/it, lr: 1.0e-04 loss: 4.986e-02] lana-lora-wan2.2: 55%\|############################2 \| 2772/5000 [10:56<1:29:35, 2.41s/it, lr: 1.0e-04 loss: 4.986e-02] lana-lora-wan2.2: 55%\|############################2 \| 2773/5000 [11:00<1:29:44, 2.42s/it, lr: 1.0e-04 loss: 2.795e-02] lana-lora-wan2.2: 55%\|############################2 \| 2773/5000 [11:00<1:29:44, 2.42s/it, lr: 1.0e-04 loss: 2.795e-02] lana-lora-wan2.2: 55%\|############################2 \| 2774/5000 [11:01<1:29:32, 2.41s/it, lr: 1.0e-04 loss: 7.015e-02] lana-lora-wan2.2: 55%\|############################2 \| 2774/5000 [11:01<1:29:32, 2.41s/it, lr: 1.0e-04 loss: 7.015e-02] lana-lora-wan2.2: 56%\|############################3 \| 2775/5000 [11:02<1:29:19, 2.41s/it, lr: 1.0e-04 loss: 5.374e-02] lana-lora-wan2.2: 56%\|############################3 \| 2775/5000 [11:02<1:29:19, 2.41s/it, lr: 1.0e-04 loss: 5.374e-02] lana-lora-wan2.2: 56%\|############################3 \| 2776/5000 [11:04<1:29:15, 2.41s/it, lr: 1.0e-04 loss: 5.361e-02] lana-lora-wan2.2: 56%\|############################3 \| 2776/5000 [11:04<1:29:15, 2.41s/it, lr: 1.0e-04 loss: 5.361e-02] lana-lora-wan2.2: 56%\|############################3 \| 2777/5000 [11:08<1:29:23, 2.41s/it, lr: 1.0e-04 loss: 8.096e-02] lana-lora-wan2.2: 56%\|############################3 \| 2777/5000 [11:08<1:29:23, 2.41s/it, lr: 1.0e-04 loss: 8.096e-02] lana-lora-wan2.2: 56%\|############################3 \| 2778/5000 [11:09<1:29:10, 2.41s/it, lr: 1.0e-04 loss: 4.459e-02] lana-lora-wan2.2: 56%\|############################3 \| 2778/5000 [11:09<1:29:10, 2.41s/it, lr: 1.0e-04 loss: 4.459e-02] lana-lora-wan2.2: 56%\|############################3 \| 2779/5000 [11:11<1:29:09, 2.41s/it, lr: 1.0e-04 loss: 3.183e-02] lana-lora-wan2.2: 56%\|############################3 \| 2779/5000 [11:11<1:29:09, 2.41s/it, lr: 1.0e-04 loss: 3.183e-02] lana-lora-wan2.2: 56%\|############################3 \| 2780/5000 [11:14<1:29:04, 2.41s/it, lr: 1.0e-04 loss: 2.959e-02] lana-lora-wan2.2: 56%\|############################3 \| 2780/5000 [11:14<1:29:04, 2.41s/it, lr: 1.0e-04 loss: 2.959e-02] lana-lora-wan2.2: 56%\|############################3 \| 2781/5000 [11:16<1:29:00, 2.41s/it, lr: 1.0e-04 loss: 3.799e-02] lana-lora-wan2.2: 56%\|############################3 \| 2781/5000 [11:16<1:29:00, 2.41s/it, lr: 1.0e-04 loss: 3.799e-02] lana-lora-wan2.2: 56%\|############################3 \| 2782/5000 [11:19<1:29:08, 2.41s/it, lr: 1.0e-04 loss: 1.046e-01] lana-lora-wan2.2: 56%\|############################3 \| 2782/5000 [11:19<1:29:08, 2.41s/it, lr: 1.0e-04 loss: 1.046e-01] lana-lora-wan2.2: 56%\|############################3 \| 2783/5000 [11:22<1:29:03, 2.41s/it, lr: 1.0e-04 loss: 1.343e-01] lana-lora-wan2.2: 56%\|############################3 \| 2783/5000 [11:22<1:29:03, 2.41s/it, lr: 1.0e-04 loss: 1.343e-01] lana-lora-wan2.2: 56%\|############################3 \| 2784/5000 [11:26<1:29:12, 2.42s/it, lr: 1.0e-04 loss: 2.893e-02] lana-lora-wan2.2: 56%\|############################3 \| 2784/5000 [11:26<1:29:12, 2.42s/it, lr: 1.0e-04 loss: 2.893e-02] lana-lora-wan2.2: 56%\|############################4 \| 2785/5000 [11:29<1:29:20, 2.42s/it, lr: 1.0e-04 loss: 1.109e-01] lana-lora-wan2.2: 56%\|############################4 \| 2785/5000 [11:29<1:29:20, 2.42s/it, lr: 1.0e-04 loss: 1.109e-01] lana-lora-wan2.2: 56%\|############################4 \| 2786/5000 [11:31<1:29:15, 2.42s/it, lr: 1.0e-04 loss: 3.265e-02] lana-lora-wan2.2: 56%\|############################4 \| 2786/5000 [11:31<1:29:15, 2.42s/it, lr: 1.0e-04 loss: 3.265e-02] lana-lora-wan2.2: 56%\|############################4 \| 2787/5000 [11:33<1:29:03, 2.41s/it, lr: 1.0e-04 loss: 4.293e-02] lana-lora-wan2.2: 56%\|############################4 \| 2787/5000 [11:33<1:29:03, 2.41s/it, lr: 1.0e-04 loss: 4.293e-02] lana-lora-wan2.2: 56%\|############################4 \| 2788/5000 [11:35<1:28:59, 2.41s/it, lr: 1.0e-04 loss: 2.602e-02] lana-lora-wan2.2: 56%\|############################4 \| 2788/5000 [11:35<1:28:59, 2.41s/it, lr: 1.0e-04 loss: 2.602e-02] lana-lora-wan2.2: 56%\|############################4 \| 2789/5000 [11:37<1:28:55, 2.41s/it, lr: 1.0e-04 loss: 2.903e-02] lana-lora-wan2.2: 56%\|############################4 \| 2789/5000 [11:37<1:28:55, 2.41s/it, lr: 1.0e-04 loss: 2.903e-02] lana-lora-wan2.2: 56%\|############################4 \| 2790/5000 [11:41<1:29:04, 2.42s/it, lr: 1.0e-04 loss: 4.442e-02] lana-lora-wan2.2: 56%\|############################4 \| 2790/5000 [11:41<1:29:04, 2.42s/it, lr: 1.0e-04 loss: 4.442e-02] lana-lora-wan2.2: 56%\|############################4 \| 2791/5000 [11:42<1:28:52, 2.41s/it, lr: 1.0e-04 loss: 6.012e-02] lana-lora-wan2.2: 56%\|############################4 \| 2791/5000 [11:42<1:28:52, 2.41s/it, lr: 1.0e-04 loss: 6.012e-02] lana-lora-wan2.2: 56%\|############################4 \| 2792/5000 [11:43<1:28:40, 2.41s/it, lr: 1.0e-04 loss: 2.112e-01] lana-lora-wan2.2: 56%\|############################4 \| 2792/5000 [11:43<1:28:40, 2.41s/it, lr: 1.0e-04 loss: 2.112e-01] lana-lora-wan2.2: 56%\|############################4 \| 2793/5000 [11:45<1:28:36, 2.41s/it, lr: 1.0e-04 loss: 4.156e-02] lana-lora-wan2.2: 56%\|############################4 \| 2793/5000 [11:45<1:28:36, 2.41s/it, lr: 1.0e-04 loss: 4.156e-02] lana-lora-wan2.2: 56%\|############################4 \| 2794/5000 [11:49<1:28:43, 2.41s/it, lr: 1.0e-04 loss: 1.183e-01] lana-lora-wan2.2: 56%\|############################4 \| 2794/5000 [11:49<1:28:43, 2.41s/it, lr: 1.0e-04 loss: 1.183e-01] lana-lora-wan2.2: 56%\|############################5 \| 2795/5000 [11:50<1:28:31, 2.41s/it, lr: 1.0e-04 loss: 5.492e-02] lana-lora-wan2.2: 56%\|############################5 \| 2795/5000 [11:50<1:28:31, 2.41s/it, lr: 1.0e-04 loss: 5.492e-02] lana-lora-wan2.2: 56%\|############################5 \| 2796/5000 [11:52<1:28:22, 2.41s/it, lr: 1.0e-04 loss: 5.022e-02] lana-lora-wan2.2: 56%\|############################5 \| 2796/5000 [11:52<1:28:22, 2.41s/it, lr: 1.0e-04 loss: 5.022e-02] lana-lora-wan2.2: 56%\|############################5 \| 2797/5000 [11:54<1:28:18, 2.40s/it, lr: 1.0e-04 loss: 3.371e-02] lana-lora-wan2.2: 56%\|############################5 \| 2797/5000 [11:54<1:28:18, 2.40s/it, lr: 1.0e-04 loss: 3.371e-02] lana-lora-wan2.2: 56%\|############################5 \| 2798/5000 [11:57<1:28:25, 2.41s/it, lr: 1.0e-04 loss: 1.048e-01] lana-lora-wan2.2: 56%\|############################5 \| 2798/5000 [11:57<1:28:25, 2.41s/it, lr: 1.0e-04 loss: 1.048e-01] lana-lora-wan2.2: 56%\|############################5 \| 2799/5000 [12:00<1:28:20, 2.41s/it, lr: 1.0e-04 loss: 3.017e-02] lana-lora-wan2.2: 56%\|############################5 \| 2799/5000 [12:00<1:28:20, 2.41s/it, lr: 1.0e-04 loss: 3.017e-02] lana-lora-wan2.2: 56%\|############################5 \| 2800/5000 [12:02<1:28:16, 2.41s/it, lr: 1.0e-04 loss: 1.158e-01] lana-lora-wan2.2: 56%\|############################5 \| 2800/5000 [12:02<1:28:16, 2.41s/it, lr: 1.0e-04 loss: 1.158e-01] lana-lora-wan2.2: 56%\|############################5 \| 2801/5000 [12:03<1:28:05, 2.40s/it, lr: 1.0e-04 loss: 2.668e-01] lana-lora-wan2.2: 56%\|############################5 \| 2801/5000 [12:03<1:28:05, 2.40s/it, lr: 1.0e-04 loss: 2.668e-01] lana-lora-wan2.2: 56%\|############################5 \| 2802/5000 [12:07<1:28:14, 2.41s/it, lr: 1.0e-04 loss: 1.514e-01] lana-lora-wan2.2: 56%\|############################5 \| 2802/5000 [12:07<1:28:14, 2.41s/it, lr: 1.0e-04 loss: 1.514e-01] lana-lora-wan2.2: 56%\|############################5 \| 2803/5000 [12:11<1:28:20, 2.41s/it, lr: 1.0e-04 loss: 1.228e-01] lana-lora-wan2.2: 56%\|############################5 \| 2803/5000 [12:11<1:28:20, 2.41s/it, lr: 1.0e-04 loss: 1.228e-01] lana-lora-wan2.2: 56%\|############################6 \| 2804/5000 [12:12<1:28:09, 2.41s/it, lr: 1.0e-04 loss: 7.462e-02] lana-lora-wan2.2: 56%\|############################6 \| 2804/5000 [12:12<1:28:09, 2.41s/it, lr: 1.0e-04 loss: 7.462e-02] lana-lora-wan2.2: 56%\|############################6 \| 2805/5000 [12:13<1:27:58, 2.40s/it, lr: 1.0e-04 loss: 1.121e-01] lana-lora-wan2.2: 56%\|############################6 \| 2805/5000 [12:13<1:27:58, 2.40s/it, lr: 1.0e-04 loss: 1.121e-01] lana-lora-wan2.2: 56%\|############################6 \| 2806/5000 [12:14<1:27:47, 2.40s/it, lr: 1.0e-04 loss: 5.349e-02] lana-lora-wan2.2: 56%\|############################6 \| 2806/5000 [12:14<1:27:47, 2.40s/it, lr: 1.0e-04 loss: 5.349e-02] lana-lora-wan2.2: 56%\|############################6 \| 2807/5000 [12:16<1:27:43, 2.40s/it, lr: 1.0e-04 loss: 5.872e-02] lana-lora-wan2.2: 56%\|############################6 \| 2807/5000 [12:16<1:27:43, 2.40s/it, lr: 1.0e-04 loss: 5.872e-02] lana-lora-wan2.2: 56%\|############################6 \| 2808/5000 [12:19<1:27:41, 2.40s/it, lr: 1.0e-04 loss: 7.834e-02] lana-lora-wan2.2: 56%\|############################6 \| 2808/5000 [12:19<1:27:41, 2.40s/it, lr: 1.0e-04 loss: 7.834e-02] lana-lora-wan2.2: 56%\|############################6 \| 2809/5000 [12:22<1:27:47, 2.40s/it, lr: 1.0e-04 loss: 3.690e-02] lana-lora-wan2.2: 56%\|############################6 \| 2809/5000 [12:22<1:27:47, 2.40s/it, lr: 1.0e-04 loss: 3.690e-02] lana-lora-wan2.2: 56%\|############################6 \| 2810/5000 [12:26<1:27:54, 2.41s/it, lr: 1.0e-04 loss: 2.315e-02] lana-lora-wan2.2: 56%\|############################6 \| 2810/5000 [12:26<1:27:54, 2.41s/it, lr: 1.0e-04 loss: 2.315e-02] lana-lora-wan2.2: 56%\|############################6 \| 2811/5000 [12:27<1:27:43, 2.40s/it, lr: 1.0e-04 loss: 5.370e-02] lana-lora-wan2.2: 56%\|############################6 \| 2811/5000 [12:27<1:27:43, 2.40s/it, lr: 1.0e-04 loss: 5.370e-02] lana-lora-wan2.2: 56%\|############################6 \| 2812/5000 [12:29<1:27:39, 2.40s/it, lr: 1.0e-04 loss: 8.005e-02] lana-lora-wan2.2: 56%\|############################6 \| 2812/5000 [12:29<1:27:39, 2.40s/it, lr: 1.0e-04 loss: 8.005e-02] lana-lora-wan2.2: 56%\|############################6 \| 2813/5000 [12:33<1:27:45, 2.41s/it, lr: 1.0e-04 loss: 5.837e-02] lana-lora-wan2.2: 56%\|############################6 \| 2813/5000 [12:33<1:27:45, 2.41s/it, lr: 1.0e-04 loss: 5.837e-02] lana-lora-wan2.2: 56%\|############################7 \| 2814/5000 [12:37<1:27:53, 2.41s/it, lr: 1.0e-04 loss: 1.218e-01] lana-lora-wan2.2: 56%\|############################7 \| 2814/5000 [12:37<1:27:53, 2.41s/it, lr: 1.0e-04 loss: 1.218e-01] lana-lora-wan2.2: 56%\|############################7 \| 2815/5000 [12:39<1:27:49, 2.41s/it, lr: 1.0e-04 loss: 5.378e-02] lana-lora-wan2.2: 56%\|############################7 \| 2815/5000 [12:39<1:27:49, 2.41s/it, lr: 1.0e-04 loss: 5.378e-02] lana-lora-wan2.2: 56%\|############################7 \| 2816/5000 [12:43<1:27:55, 2.42s/it, lr: 1.0e-04 loss: 6.856e-02] lana-lora-wan2.2: 56%\|############################7 \| 2816/5000 [12:43<1:27:55, 2.42s/it, lr: 1.0e-04 loss: 6.856e-02] lana-lora-wan2.2: 56%\|############################7 \| 2817/5000 [12:45<1:27:51, 2.41s/it, lr: 1.0e-04 loss: 4.508e-02] lana-lora-wan2.2: 56%\|############################7 \| 2817/5000 [12:45<1:27:51, 2.41s/it, lr: 1.0e-04 loss: 4.508e-02] lana-lora-wan2.2: 56%\|############################7 \| 2818/5000 [12:49<1:27:57, 2.42s/it, lr: 1.0e-04 loss: 3.834e-02] lana-lora-wan2.2: 56%\|############################7 \| 2818/5000 [12:49<1:27:57, 2.42s/it, lr: 1.0e-04 loss: 3.834e-02] lana-lora-wan2.2: 56%\|############################7 \| 2819/5000 [12:50<1:27:49, 2.42s/it, lr: 1.0e-04 loss: 1.997e-01] lana-lora-wan2.2: 56%\|############################7 \| 2819/5000 [12:50<1:27:49, 2.42s/it, lr: 1.0e-04 loss: 1.997e-01] lana-lora-wan2.2: 56%\|############################7 \| 2820/5000 [12:54<1:27:55, 2.42s/it, lr: 1.0e-04 loss: 5.155e-02] lana-lora-wan2.2: 56%\|############################7 \| 2820/5000 [12:54<1:27:55, 2.42s/it, lr: 1.0e-04 loss: 5.155e-02] lana-lora-wan2.2: 56%\|############################7 \| 2821/5000 [12:56<1:27:50, 2.42s/it, lr: 1.0e-04 loss: 3.103e-02] lana-lora-wan2.2: 56%\|############################7 \| 2821/5000 [12:56<1:27:50, 2.42s/it, lr: 1.0e-04 loss: 3.103e-02] lana-lora-wan2.2: 56%\|############################7 \| 2822/5000 [12:58<1:27:46, 2.42s/it, lr: 1.0e-04 loss: 4.287e-02] lana-lora-wan2.2: 56%\|############################7 \| 2822/5000 [12:58<1:27:46, 2.42s/it, lr: 1.0e-04 loss: 4.287e-02] lana-lora-wan2.2: 56%\|############################7 \| 2823/5000 [12:59<1:27:35, 2.41s/it, lr: 1.0e-04 loss: 3.398e-02] lana-lora-wan2.2: 56%\|############################7 \| 2823/5000 [12:59<1:27:35, 2.41s/it, lr: 1.0e-04 loss: 3.398e-02] lana-lora-wan2.2: 56%\|############################8 \| 2824/5000 [13:03<1:27:41, 2.42s/it, lr: 1.0e-04 loss: 1.556e-01] lana-lora-wan2.2: 56%\|############################8 \| 2824/5000 [13:03<1:27:41, 2.42s/it, lr: 1.0e-04 loss: 1.556e-01] lana-lora-wan2.2: 56%\|############################8 \| 2825/5000 [13:05<1:27:39, 2.42s/it, lr: 1.0e-04 loss: 5.822e-02] lana-lora-wan2.2: 56%\|############################8 \| 2825/5000 [13:05<1:27:39, 2.42s/it, lr: 1.0e-04 loss: 5.822e-02] lana-lora-wan2.2: 57%\|############################8 \| 2826/5000 [13:09<1:27:45, 2.42s/it, lr: 1.0e-04 loss: 2.913e-02] lana-lora-wan2.2: 57%\|############################8 \| 2826/5000 [13:09<1:27:45, 2.42s/it, lr: 1.0e-04 loss: 2.913e-02] lana-lora-wan2.2: 57%\|############################8 \| 2827/5000 [13:11<1:27:41, 2.42s/it, lr: 1.0e-04 loss: 7.447e-02] lana-lora-wan2.2: 57%\|############################8 \| 2827/5000 [13:11<1:27:41, 2.42s/it, lr: 1.0e-04 loss: 7.447e-02] lana-lora-wan2.2: 57%\|############################8 \| 2828/5000 [13:12<1:27:31, 2.42s/it, lr: 1.0e-04 loss: 2.710e-02] lana-lora-wan2.2: 57%\|############################8 \| 2828/5000 [13:12<1:27:31, 2.42s/it, lr: 1.0e-04 loss: 2.710e-02] lana-lora-wan2.2: 57%\|############################8 \| 2829/5000 [13:16<1:27:36, 2.42s/it, lr: 1.0e-04 loss: 3.506e-02] lana-lora-wan2.2: 57%\|############################8 \| 2829/5000 [13:16<1:27:36, 2.42s/it, lr: 1.0e-04 loss: 3.506e-02] lana-lora-wan2.2: 57%\|############################8 \| 2830/5000 [13:18<1:27:32, 2.42s/it, lr: 1.0e-04 loss: 6.973e-02] lana-lora-wan2.2: 57%\|############################8 \| 2830/5000 [13:18<1:27:32, 2.42s/it, lr: 1.0e-04 loss: 6.973e-02] lana-lora-wan2.2: 57%\|############################8 \| 2831/5000 [13:22<1:27:40, 2.43s/it, lr: 1.0e-04 loss: 1.669e-01] lana-lora-wan2.2: 57%\|############################8 \| 2831/5000 [13:22<1:27:40, 2.43s/it, lr: 1.0e-04 loss: 1.669e-01] lana-lora-wan2.2: 57%\|############################8 \| 2832/5000 [13:23<1:27:29, 2.42s/it, lr: 1.0e-04 loss: 4.517e-02] lana-lora-wan2.2: 57%\|############################8 \| 2832/5000 [13:23<1:27:29, 2.42s/it, lr: 1.0e-04 loss: 4.517e-02] lana-lora-wan2.2: 57%\|############################8 \| 2833/5000 [13:27<1:27:35, 2.43s/it, lr: 1.0e-04 loss: 4.658e-02] lana-lora-wan2.2: 57%\|############################8 \| 2833/5000 [13:27<1:27:35, 2.43s/it, lr: 1.0e-04 loss: 4.658e-02] lana-lora-wan2.2: 57%\|############################9 \| 2834/5000 [13:28<1:27:24, 2.42s/it, lr: 1.0e-04 loss: 1.416e-01] lana-lora-wan2.2: 57%\|############################9 \| 2834/5000 [13:28<1:27:24, 2.42s/it, lr: 1.0e-04 loss: 1.416e-01] lana-lora-wan2.2: 57%\|############################9 \| 2835/5000 [13:32<1:27:30, 2.43s/it, lr: 1.0e-04 loss: 1.610e-01] lana-lora-wan2.2: 57%\|############################9 \| 2835/5000 [13:32<1:27:30, 2.43s/it, lr: 1.0e-04 loss: 1.610e-01] lana-lora-wan2.2: 57%\|############################9 \| 2836/5000 [13:33<1:27:20, 2.42s/it, lr: 1.0e-04 loss: 5.201e-02] lana-lora-wan2.2: 57%\|############################9 \| 2836/5000 [13:33<1:27:20, 2.42s/it, lr: 1.0e-04 loss: 5.201e-02] lana-lora-wan2.2: 57%\|############################9 \| 2837/5000 [13:35<1:27:11, 2.42s/it, lr: 1.0e-04 loss: 3.746e-02] lana-lora-wan2.2: 57%\|############################9 \| 2837/5000 [13:35<1:27:11, 2.42s/it, lr: 1.0e-04 loss: 3.746e-02] lana-lora-wan2.2: 57%\|############################9 \| 2838/5000 [13:38<1:27:17, 2.42s/it, lr: 1.0e-04 loss: 1.665e-01] lana-lora-wan2.2: 57%\|############################9 \| 2838/5000 [13:38<1:27:17, 2.42s/it, lr: 1.0e-04 loss: 1.665e-01] lana-lora-wan2.2: 57%\|############################9 \| 2839/5000 [13:39<1:27:06, 2.42s/it, lr: 1.0e-04 loss: 6.071e-02] lana-lora-wan2.2: 57%\|############################9 \| 2839/5000 [13:39<1:27:06, 2.42s/it, lr: 1.0e-04 loss: 6.071e-02] lana-lora-wan2.2: 57%\|############################9 \| 2840/5000 [13:41<1:26:56, 2.42s/it, lr: 1.0e-04 loss: 3.845e-02] lana-lora-wan2.2: 57%\|############################9 \| 2840/5000 [13:41<1:26:56, 2.42s/it, lr: 1.0e-04 loss: 3.845e-02] lana-lora-wan2.2: 57%\|############################9 \| 2841/5000 [13:43<1:26:52, 2.41s/it, lr: 1.0e-04 loss: 7.922e-02] lana-lora-wan2.2: 57%\|############################9 \| 2841/5000 [13:43<1:26:52, 2.41s/it, lr: 1.0e-04 loss: 7.922e-02] lana-lora-wan2.2: 57%\|############################9 \| 2842/5000 [13:44<1:26:42, 2.41s/it, lr: 1.0e-04 loss: 9.120e-02] lana-lora-wan2.2: 57%\|############################9 \| 2842/5000 [13:44<1:26:42, 2.41s/it, lr: 1.0e-04 loss: 9.120e-02] lana-lora-wan2.2: 57%\|############################9 \| 2843/5000 [13:46<1:26:40, 2.41s/it, lr: 1.0e-04 loss: 3.395e-02] lana-lora-wan2.2: 57%\|############################9 \| 2843/5000 [13:46<1:26:40, 2.41s/it, lr: 1.0e-04 loss: 3.395e-02] lana-lora-wan2.2: 57%\|############################# \| 2844/5000 [13:49<1:26:36, 2.41s/it, lr: 1.0e-04 loss: 3.089e-02] lana-lora-wan2.2: 57%\|############################# \| 2844/5000 [13:49<1:26:36, 2.41s/it, lr: 1.0e-04 loss: 3.089e-02] lana-lora-wan2.2: 57%\|############################# \| 2845/5000 [13:50<1:26:26, 2.41s/it, lr: 1.0e-04 loss: 1.834e-01] lana-lora-wan2.2: 57%\|############################# \| 2845/5000 [13:50<1:26:26, 2.41s/it, lr: 1.0e-04 loss: 1.834e-01] lana-lora-wan2.2: 57%\|############################# \| 2846/5000 [13:51<1:26:16, 2.40s/it, lr: 1.0e-04 loss: 7.253e-02] lana-lora-wan2.2: 57%\|############################# \| 2846/5000 [13:51<1:26:16, 2.40s/it, lr: 1.0e-04 loss: 7.253e-02] lana-lora-wan2.2: 57%\|############################# \| 2847/5000 [13:52<1:26:06, 2.40s/it, lr: 1.0e-04 loss: 1.958e-01] lana-lora-wan2.2: 57%\|############################# \| 2847/5000 [13:52<1:26:06, 2.40s/it, lr: 1.0e-04 loss: 1.958e-01] lana-lora-wan2.2: 57%\|############################# \| 2848/5000 [13:53<1:25:56, 2.40s/it, lr: 1.0e-04 loss: 3.214e-02] lana-lora-wan2.2: 57%\|############################# \| 2848/5000 [13:53<1:25:56, 2.40s/it, lr: 1.0e-04 loss: 3.214e-02] lana-lora-wan2.2: 57%\|############################# \| 2849/5000 [13:56<1:25:54, 2.40s/it, lr: 1.0e-04 loss: 4.400e-02] lana-lora-wan2.2: 57%\|############################# \| 2849/5000 [13:56<1:25:54, 2.40s/it, lr: 1.0e-04 loss: 4.400e-02] lana-lora-wan2.2: 57%\|############################# \| 2850/5000 [13:58<1:25:50, 2.40s/it, lr: 1.0e-04 loss: 2.710e-02] lana-lora-wan2.2: 57%\|############################# \| 2850/5000 [13:58<1:25:50, 2.40s/it, lr: 1.0e-04 loss: 2.710e-02] lana-lora-wan2.2: 57%\|############################# \| 2851/5000 [14:02<1:25:55, 2.40s/it, lr: 1.0e-04 loss: 3.004e-02] lana-lora-wan2.2: 57%\|############################# \| 2851/5000 [14:02<1:25:55, 2.40s/it, lr: 1.0e-04 loss: 3.004e-02] lana-lora-wan2.2: 57%\|############################# \| 2852/5000 [14:05<1:26:00, 2.40s/it, lr: 1.0e-04 loss: 8.538e-02] lana-lora-wan2.2: 57%\|############################# \| 2852/5000 [14:05<1:26:00, 2.40s/it, lr: 1.0e-04 loss: 8.538e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2853/5000 [14:07<1:25:57, 2.40s/it, lr: 1.0e-04 loss: 8.603e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2853/5000 [14:07<1:25:57, 2.40s/it, lr: 1.0e-04 loss: 8.603e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2854/5000 [14:11<1:26:02, 2.41s/it, lr: 1.0e-04 loss: 3.745e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2854/5000 [14:11<1:26:02, 2.41s/it, lr: 1.0e-04 loss: 3.745e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2855/5000 [14:13<1:25:54, 2.40s/it, lr: 1.0e-04 loss: 1.822e-01] lana-lora-wan2.2: 57%\|#############################1 \| 2855/5000 [14:13<1:25:54, 2.40s/it, lr: 1.0e-04 loss: 1.822e-01] lana-lora-wan2.2: 57%\|#############################1 \| 2856/5000 [14:15<1:25:50, 2.40s/it, lr: 1.0e-04 loss: 4.478e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2856/5000 [14:15<1:25:50, 2.40s/it, lr: 1.0e-04 loss: 4.478e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2857/5000 [14:16<1:25:40, 2.40s/it, lr: 1.0e-04 loss: 5.014e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2857/5000 [14:16<1:25:40, 2.40s/it, lr: 1.0e-04 loss: 5.014e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2858/5000 [14:20<1:25:45, 2.40s/it, lr: 1.0e-04 loss: 3.704e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2858/5000 [14:20<1:25:45, 2.40s/it, lr: 1.0e-04 loss: 3.704e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2859/5000 [14:23<1:25:50, 2.41s/it, lr: 1.0e-04 loss: 2.236e-01] lana-lora-wan2.2: 57%\|#############################1 \| 2859/5000 [14:23<1:25:50, 2.41s/it, lr: 1.0e-04 loss: 2.236e-01] lana-lora-wan2.2: 57%\|#############################1 \| 2860/5000 [14:27<1:25:55, 2.41s/it, lr: 1.0e-04 loss: 3.755e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2860/5000 [14:27<1:25:55, 2.41s/it, lr: 1.0e-04 loss: 3.755e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2861/5000 [14:28<1:25:48, 2.41s/it, lr: 1.0e-04 loss: 4.655e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2861/5000 [14:28<1:25:48, 2.41s/it, lr: 1.0e-04 loss: 4.655e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2862/5000 [14:31<1:25:44, 2.41s/it, lr: 1.0e-04 loss: 3.515e-02] lana-lora-wan2.2: 57%\|#############################1 \| 2862/5000 [14:31<1:25:44, 2.41s/it, lr: 1.0e-04 loss: 3.515e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2863/5000 [14:33<1:25:40, 2.41s/it, lr: 1.0e-04 loss: 5.502e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2863/5000 [14:33<1:25:40, 2.41s/it, lr: 1.0e-04 loss: 5.502e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2864/5000 [14:36<1:25:45, 2.41s/it, lr: 1.0e-04 loss: 5.577e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2864/5000 [14:36<1:25:45, 2.41s/it, lr: 1.0e-04 loss: 5.577e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2865/5000 [14:38<1:25:36, 2.41s/it, lr: 1.0e-04 loss: 2.966e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2865/5000 [14:38<1:25:36, 2.41s/it, lr: 1.0e-04 loss: 2.966e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2866/5000 [14:39<1:25:29, 2.40s/it, lr: 1.0e-04 loss: 6.190e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2866/5000 [14:39<1:25:29, 2.40s/it, lr: 1.0e-04 loss: 6.190e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2867/5000 [14:43<1:25:33, 2.41s/it, lr: 1.0e-04 loss: 5.834e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2867/5000 [14:43<1:25:33, 2.41s/it, lr: 1.0e-04 loss: 5.834e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2868/5000 [14:45<1:25:30, 2.41s/it, lr: 1.0e-04 loss: 3.674e-01] lana-lora-wan2.2: 57%\|#############################2 \| 2868/5000 [14:45<1:25:30, 2.41s/it, lr: 1.0e-04 loss: 3.674e-01] lana-lora-wan2.2: 57%\|#############################2 \| 2869/5000 [14:47<1:25:26, 2.41s/it, lr: 1.0e-04 loss: 9.959e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2869/5000 [14:47<1:25:26, 2.41s/it, lr: 1.0e-04 loss: 9.959e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2870/5000 [14:49<1:25:22, 2.40s/it, lr: 1.0e-04 loss: 1.081e-01] lana-lora-wan2.2: 57%\|#############################2 \| 2870/5000 [14:49<1:25:22, 2.40s/it, lr: 1.0e-04 loss: 1.081e-01] lana-lora-wan2.2: 57%\|#############################2 \| 2871/5000 [14:50<1:25:12, 2.40s/it, lr: 1.0e-04 loss: 6.143e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2871/5000 [14:50<1:25:12, 2.40s/it, lr: 1.0e-04 loss: 6.143e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2872/5000 [14:53<1:25:11, 2.40s/it, lr: 1.0e-04 loss: 5.069e-02] lana-lora-wan2.2: 57%\|#############################2 \| 2872/5000 [14:53<1:25:11, 2.40s/it, lr: 1.0e-04 loss: 5.069e-02] lana-lora-wan2.2: 57%\|#############################3 \| 2873/5000 [14:57<1:25:16, 2.41s/it, lr: 1.0e-04 loss: 3.826e-02] lana-lora-wan2.2: 57%\|#############################3 \| 2873/5000 [14:57<1:25:16, 2.41s/it, lr: 1.0e-04 loss: 3.826e-02] lana-lora-wan2.2: 57%\|#############################3 \| 2874/5000 [15:00<1:25:20, 2.41s/it, lr: 1.0e-04 loss: 1.108e-01] lana-lora-wan2.2: 57%\|#############################3 \| 2874/5000 [15:00<1:25:20, 2.41s/it, lr: 1.0e-04 loss: 1.108e-01] lana-lora-wan2.2: 57%\|#############################3 \| 2875/5000 [15:03<1:25:17, 2.41s/it, lr: 1.0e-04 loss: 3.827e-02] lana-lora-wan2.2: 57%\|#############################3 \| 2875/5000 [15:03<1:25:17, 2.41s/it, lr: 1.0e-04 loss: 3.827e-02] lana-lora-wan2.2: 58%\|#############################3 \| 2876/5000 [15:05<1:25:13, 2.41s/it, lr: 1.0e-04 loss: 1.421e-01] lana-lora-wan2.2: 58%\|#############################3 \| 2876/5000 [15:05<1:25:13, 2.41s/it, lr: 1.0e-04 loss: 1.421e-01] lana-lora-wan2.2: 58%\|#############################3 \| 2877/5000 [15:08<1:25:17, 2.41s/it, lr: 1.0e-04 loss: 2.367e-02] lana-lora-wan2.2: 58%\|#############################3 \| 2877/5000 [15:08<1:25:17, 2.41s/it, lr: 1.0e-04 loss: 2.367e-02] lana-lora-wan2.2: 58%\|#############################3 \| 2878/5000 [15:10<1:25:10, 2.41s/it, lr: 1.0e-04 loss: 2.394e-02] lana-lora-wan2.2: 58%\|#############################3 \| 2878/5000 [15:10<1:25:10, 2.41s/it, lr: 1.0e-04 loss: 2.394e-02] lana-lora-wan2.2: 58%\|#############################3 \| 2879/5000 [15:12<1:25:06, 2.41s/it, lr: 1.0e-04 loss: 1.274e-01] lana-lora-wan2.2: 58%\|#############################3 \| 2879/5000 [15:12<1:25:06, 2.41s/it, lr: 1.0e-04 loss: 1.274e-01] lana-lora-wan2.2: 58%\|#############################3 \| 2880/5000 [15:13<1:24:57, 2.40s/it, lr: 1.0e-04 loss: 3.952e-02] lana-lora-wan2.2: 58%\|#############################3 \| 2880/5000 [15:13<1:24:57, 2.40s/it, lr: 1.0e-04 loss: 3.952e-02] lana-lora-wan2.2: 58%\|#############################3 \| 2881/5000 [15:14<1:24:48, 2.40s/it, lr: 1.0e-04 loss: 4.883e-02] lana-lora-wan2.2: 58%\|#############################3 \| 2881/5000 [15:14<1:24:48, 2.40s/it, lr: 1.0e-04 loss: 4.883e-02] lana-lora-wan2.2: 58%\|#############################3 \| 2882/5000 [15:18<1:24:53, 2.40s/it, lr: 1.0e-04 loss: 2.615e-02] lana-lora-wan2.2: 58%\|#############################3 \| 2882/5000 [15:18<1:24:53, 2.40s/it, lr: 1.0e-04 loss: 2.615e-02] lana-lora-wan2.2: 58%\|#############################4 \| 2883/5000 [15:19<1:24:43, 2.40s/it, lr: 1.0e-04 loss: 7.066e-02] lana-lora-wan2.2: 58%\|#############################4 \| 2883/5000 [15:19<1:24:43, 2.40s/it, lr: 1.0e-04 loss: 7.066e-02] lana-lora-wan2.2: 58%\|#############################4 \| 2884/5000 [15:23<1:24:49, 2.41s/it, lr: 1.0e-04 loss: 3.343e-02] lana-lora-wan2.2: 58%\|#############################4 \| 2884/5000 [15:23<1:24:49, 2.41s/it, lr: 1.0e-04 loss: 3.343e-02] lana-lora-wan2.2: 58%\|#############################4 \| 2885/5000 [15:25<1:24:46, 2.40s/it, lr: 1.0e-04 loss: 5.360e-02] lana-lora-wan2.2: 58%\|#############################4 \| 2885/5000 [15:25<1:24:46, 2.40s/it, lr: 1.0e-04 loss: 5.360e-02] lana-lora-wan2.2: 58%\|#############################4 \| 2886/5000 [15:29<1:24:50, 2.41s/it, lr: 1.0e-04 loss: 1.461e-01] lana-lora-wan2.2: 58%\|#############################4 \| 2886/5000 [15:29<1:24:50, 2.41s/it, lr: 1.0e-04 loss: 1.461e-01] lana-lora-wan2.2: 58%\|#############################4 \| 2887/5000 [15:33<1:24:54, 2.41s/it, lr: 1.0e-04 loss: 6.950e-02] lana-lora-wan2.2: 58%\|#############################4 \| 2887/5000 [15:33<1:24:54, 2.41s/it, lr: 1.0e-04 loss: 6.950e-02] lana-lora-wan2.2: 58%\|#############################4 \| 2888/5000 [15:35<1:24:51, 2.41s/it, lr: 1.0e-04 loss: 1.149e-01] lana-lora-wan2.2: 58%\|#############################4 \| 2888/5000 [15:35<1:24:51, 2.41s/it, lr: 1.0e-04 loss: 1.149e-01] lana-lora-wan2.2: 58%\|#############################4 \| 2889/5000 [15:37<1:24:47, 2.41s/it, lr: 1.0e-04 loss: 1.555e-01] lana-lora-wan2.2: 58%\|#############################4 \| 2889/5000 [15:37<1:24:47, 2.41s/it, lr: 1.0e-04 loss: 1.555e-01] lana-lora-wan2.2: 58%\|#############################4 \| 2890/5000 [15:39<1:24:45, 2.41s/it, lr: 1.0e-04 loss: 1.600e-01] lana-lora-wan2.2: 58%\|#############################4 \| 2890/5000 [15:39<1:24:45, 2.41s/it, lr: 1.0e-04 loss: 1.600e-01] lana-lora-wan2.2: 58%\|#############################4 \| 2891/5000 [15:41<1:24:36, 2.41s/it, lr: 1.0e-04 loss: 5.687e-02] lana-lora-wan2.2: 58%\|#############################4 \| 2891/5000 [15:41<1:24:36, 2.41s/it, lr: 1.0e-04 loss: 5.687e-02] lana-lora-wan2.2: 58%\|#############################4 \| 2892/5000 [15:44<1:24:40, 2.41s/it, lr: 1.0e-04 loss: 3.117e-02] lana-lora-wan2.2: 58%\|#############################4 \| 2892/5000 [15:44<1:24:40, 2.41s/it, lr: 1.0e-04 loss: 3.117e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2893/5000 [15:48<1:24:44, 2.41s/it, lr: 1.0e-04 loss: 1.130e-01] lana-lora-wan2.2: 58%\|#############################5 \| 2893/5000 [15:48<1:24:44, 2.41s/it, lr: 1.0e-04 loss: 1.130e-01] lana-lora-wan2.2: 58%\|#############################5 \| 2894/5000 [15:49<1:24:35, 2.41s/it, lr: 1.0e-04 loss: 3.913e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2894/5000 [15:49<1:24:35, 2.41s/it, lr: 1.0e-04 loss: 3.913e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2895/5000 [15:50<1:24:26, 2.41s/it, lr: 1.0e-04 loss: 1.079e-01] lana-lora-wan2.2: 58%\|#############################5 \| 2895/5000 [15:50<1:24:26, 2.41s/it, lr: 1.0e-04 loss: 1.079e-01] lana-lora-wan2.2: 58%\|#############################5 \| 2896/5000 [15:54<1:24:32, 2.41s/it, lr: 1.0e-04 loss: 3.654e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2896/5000 [15:54<1:24:32, 2.41s/it, lr: 1.0e-04 loss: 3.654e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2897/5000 [15:56<1:24:28, 2.41s/it, lr: 1.0e-04 loss: 7.055e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2897/5000 [15:56<1:24:28, 2.41s/it, lr: 1.0e-04 loss: 7.055e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2898/5000 [15:59<1:24:25, 2.41s/it, lr: 1.0e-04 loss: 7.500e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2898/5000 [15:59<1:24:25, 2.41s/it, lr: 1.0e-04 loss: 7.500e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2899/5000 [16:00<1:24:16, 2.41s/it, lr: 1.0e-04 loss: 6.683e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2899/5000 [16:00<1:24:16, 2.41s/it, lr: 1.0e-04 loss: 6.683e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2900/5000 [16:01<1:24:07, 2.40s/it, lr: 1.0e-04 loss: 9.859e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2900/5000 [16:01<1:24:07, 2.40s/it, lr: 1.0e-04 loss: 9.859e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2901/5000 [16:03<1:24:05, 2.40s/it, lr: 1.0e-04 loss: 3.320e-02] lana-lora-wan2.2: 58%\|#############################5 \| 2901/5000 [16:03<1:24:05, 2.40s/it, lr: 1.0e-04 loss: 3.320e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2902/5000 [16:07<1:24:09, 2.41s/it, lr: 1.0e-04 loss: 3.575e-01] lana-lora-wan2.2: 58%\|#############################6 \| 2902/5000 [16:07<1:24:09, 2.41s/it, lr: 1.0e-04 loss: 3.575e-01] lana-lora-wan2.2: 58%\|#############################6 \| 2903/5000 [16:09<1:24:05, 2.41s/it, lr: 1.0e-04 loss: 4.981e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2903/5000 [16:09<1:24:05, 2.41s/it, lr: 1.0e-04 loss: 4.981e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2904/5000 [16:10<1:23:56, 2.40s/it, lr: 1.0e-04 loss: 3.541e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2904/5000 [16:10<1:23:56, 2.40s/it, lr: 1.0e-04 loss: 3.541e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2905/5000 [16:14<1:24:00, 2.41s/it, lr: 1.0e-04 loss: 2.343e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2905/5000 [16:14<1:24:00, 2.41s/it, lr: 1.0e-04 loss: 2.343e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2906/5000 [16:18<1:24:05, 2.41s/it, lr: 1.0e-04 loss: 2.852e-01] lana-lora-wan2.2: 58%\|#############################6 \| 2906/5000 [16:18<1:24:05, 2.41s/it, lr: 1.0e-04 loss: 2.852e-01] lana-lora-wan2.2: 58%\|#############################6 \| 2907/5000 [16:19<1:23:57, 2.41s/it, lr: 1.0e-04 loss: 4.965e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2907/5000 [16:19<1:23:57, 2.41s/it, lr: 1.0e-04 loss: 4.965e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2908/5000 [16:23<1:24:01, 2.41s/it, lr: 1.0e-04 loss: 1.625e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2908/5000 [16:23<1:24:01, 2.41s/it, lr: 1.0e-04 loss: 1.625e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2909/5000 [16:24<1:23:53, 2.41s/it, lr: 1.0e-04 loss: 8.288e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2909/5000 [16:24<1:23:53, 2.41s/it, lr: 1.0e-04 loss: 8.288e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2910/5000 [16:25<1:23:44, 2.40s/it, lr: 1.0e-04 loss: 5.268e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2910/5000 [16:25<1:23:44, 2.40s/it, lr: 1.0e-04 loss: 5.268e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2911/5000 [16:27<1:23:40, 2.40s/it, lr: 1.0e-04 loss: 4.101e-02] lana-lora-wan2.2: 58%\|#############################6 \| 2911/5000 [16:27<1:23:40, 2.40s/it, lr: 1.0e-04 loss: 4.101e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2912/5000 [16:31<1:23:44, 2.41s/it, lr: 1.0e-04 loss: 5.085e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2912/5000 [16:31<1:23:44, 2.41s/it, lr: 1.0e-04 loss: 5.085e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2913/5000 [16:33<1:23:37, 2.40s/it, lr: 1.0e-04 loss: 9.599e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2913/5000 [16:33<1:23:37, 2.40s/it, lr: 1.0e-04 loss: 9.599e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2914/5000 [16:36<1:23:41, 2.41s/it, lr: 1.0e-04 loss: 2.935e-01] lana-lora-wan2.2: 58%\|#############################7 \| 2914/5000 [16:36<1:23:41, 2.41s/it, lr: 1.0e-04 loss: 2.935e-01] lana-lora-wan2.2: 58%\|#############################7 \| 2915/5000 [16:40<1:23:45, 2.41s/it, lr: 1.0e-04 loss: 3.787e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2915/5000 [16:40<1:23:45, 2.41s/it, lr: 1.0e-04 loss: 3.787e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2916/5000 [16:41<1:23:37, 2.41s/it, lr: 1.0e-04 loss: 2.699e-01] lana-lora-wan2.2: 58%\|#############################7 \| 2916/5000 [16:41<1:23:37, 2.41s/it, lr: 1.0e-04 loss: 2.699e-01] lana-lora-wan2.2: 58%\|#############################7 \| 2917/5000 [16:42<1:23:28, 2.40s/it, lr: 1.0e-04 loss: 5.092e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2917/5000 [16:42<1:23:28, 2.40s/it, lr: 1.0e-04 loss: 5.092e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2918/5000 [16:44<1:23:25, 2.40s/it, lr: 1.0e-04 loss: 5.005e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2918/5000 [16:44<1:23:25, 2.40s/it, lr: 1.0e-04 loss: 5.005e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2919/5000 [16:47<1:23:23, 2.40s/it, lr: 1.0e-04 loss: 1.955e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2919/5000 [16:47<1:23:23, 2.40s/it, lr: 1.0e-04 loss: 1.955e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2920/5000 [16:51<1:23:26, 2.41s/it, lr: 1.0e-04 loss: 3.536e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2920/5000 [16:51<1:23:26, 2.41s/it, lr: 1.0e-04 loss: 3.536e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2921/5000 [16:54<1:23:30, 2.41s/it, lr: 1.0e-04 loss: 3.708e-02] lana-lora-wan2.2: 58%\|#############################7 \| 2921/5000 [16:54<1:23:30, 2.41s/it, lr: 1.0e-04 loss: 3.708e-02] lana-lora-wan2.2: 58%\|#############################8 \| 2922/5000 [16:56<1:23:27, 2.41s/it, lr: 1.0e-04 loss: 2.548e-01] lana-lora-wan2.2: 58%\|#############################8 \| 2922/5000 [16:56<1:23:27, 2.41s/it, lr: 1.0e-04 loss: 2.548e-01] lana-lora-wan2.2: 58%\|#############################8 \| 2923/5000 [16:59<1:23:23, 2.41s/it, lr: 1.0e-04 loss: 1.561e-01] lana-lora-wan2.2: 58%\|#############################8 \| 2923/5000 [16:59<1:23:23, 2.41s/it, lr: 1.0e-04 loss: 1.561e-01] lana-lora-wan2.2: 58%\|#############################8 \| 2924/5000 [17:00<1:23:15, 2.41s/it, lr: 1.0e-04 loss: 2.009e-01] lana-lora-wan2.2: 58%\|#############################8 \| 2924/5000 [17:00<1:23:15, 2.41s/it, lr: 1.0e-04 loss: 2.009e-01] lana-lora-wan2.2: 58%\|#############################8 \| 2925/5000 [17:04<1:23:19, 2.41s/it, lr: 1.0e-04 loss: 5.199e-02] lana-lora-wan2.2: 58%\|#############################8 \| 2925/5000 [17:04<1:23:19, 2.41s/it, lr: 1.0e-04 loss: 5.199e-02] lana-lora-wan2.2: 59%\|#############################8 \| 2926/5000 [17:06<1:23:16, 2.41s/it, lr: 1.0e-04 loss: 4.701e-02] lana-lora-wan2.2: 59%\|#############################8 \| 2926/5000 [17:06<1:23:16, 2.41s/it, lr: 1.0e-04 loss: 4.701e-02] lana-lora-wan2.2: 59%\|#############################8 \| 2927/5000 [17:08<1:23:12, 2.41s/it, lr: 1.0e-04 loss: 5.102e-02] lana-lora-wan2.2: 59%\|#############################8 \| 2927/5000 [17:08<1:23:12, 2.41s/it, lr: 1.0e-04 loss: 5.102e-02] lana-lora-wan2.2: 59%\|#############################8 \| 2928/5000 [17:09<1:23:04, 2.41s/it, lr: 1.0e-04 loss: 3.235e-02] lana-lora-wan2.2: 59%\|#############################8 \| 2928/5000 [17:09<1:23:04, 2.41s/it, lr: 1.0e-04 loss: 3.235e-02] lana-lora-wan2.2: 59%\|#############################8 \| 2929/5000 [17:11<1:23:00, 2.41s/it, lr: 1.0e-04 loss: 4.043e-02] lana-lora-wan2.2: 59%\|#############################8 \| 2929/5000 [17:11<1:23:00, 2.41s/it, lr: 1.0e-04 loss: 4.043e-02] lana-lora-wan2.2: 59%\|#############################8 \| 2930/5000 [17:15<1:23:05, 2.41s/it, lr: 1.0e-04 loss: 6.525e-02] lana-lora-wan2.2: 59%\|#############################8 \| 2930/5000 [17:15<1:23:05, 2.41s/it, lr: 1.0e-04 loss: 6.525e-02] lana-lora-wan2.2: 59%\|#############################8 \| 2931/5000 [17:17<1:23:01, 2.41s/it, lr: 1.0e-04 loss: 6.152e-02] lana-lora-wan2.2: 59%\|#############################8 \| 2931/5000 [17:17<1:23:01, 2.41s/it, lr: 1.0e-04 loss: 6.152e-02] lana-lora-wan2.2: 59%\|#############################9 \| 2932/5000 [17:18<1:22:52, 2.40s/it, lr: 1.0e-04 loss: 7.080e-02] lana-lora-wan2.2: 59%\|#############################9 \| 2932/5000 [17:18<1:22:52, 2.40s/it, lr: 1.0e-04 loss: 7.080e-02] lana-lora-wan2.2: 59%\|#############################9 \| 2933/5000 [17:20<1:22:44, 2.40s/it, lr: 1.0e-04 loss: 6.151e-02] lana-lora-wan2.2: 59%\|#############################9 \| 2933/5000 [17:20<1:22:44, 2.40s/it, lr: 1.0e-04 loss: 6.151e-02] lana-lora-wan2.2: 59%\|#############################9 \| 2934/5000 [17:22<1:22:41, 2.40s/it, lr: 1.0e-04 loss: 2.794e-01] lana-lora-wan2.2: 59%\|#############################9 \| 2934/5000 [17:22<1:22:41, 2.40s/it, lr: 1.0e-04 loss: 2.794e-01] lana-lora-wan2.2: 59%\|#############################9 \| 2935/5000 [17:23<1:22:32, 2.40s/it, lr: 1.0e-04 loss: 3.760e-02] lana-lora-wan2.2: 59%\|#############################9 \| 2935/5000 [17:23<1:22:32, 2.40s/it, lr: 1.0e-04 loss: 3.760e-02] lana-lora-wan2.2: 59%\|#############################9 \| 2936/5000 [17:25<1:22:28, 2.40s/it, lr: 1.0e-04 loss: 3.883e-01] lana-lora-wan2.2: 59%\|#############################9 \| 2936/5000 [17:25<1:22:28, 2.40s/it, lr: 1.0e-04 loss: 3.883e-01] lana-lora-wan2.2: 59%\|#############################9 \| 2937/5000 [17:28<1:22:31, 2.40s/it, lr: 1.0e-04 loss: 9.254e-02] lana-lora-wan2.2: 59%\|#############################9 \| 2937/5000 [17:28<1:22:31, 2.40s/it, lr: 1.0e-04 loss: 9.254e-02] lana-lora-wan2.2: 59%\|#############################9 \| 2938/5000 [17:30<1:22:23, 2.40s/it, lr: 1.0e-04 loss: 7.579e-02] lana-lora-wan2.2: 59%\|#############################9 \| 2938/5000 [17:30<1:22:23, 2.40s/it, lr: 1.0e-04 loss: 7.579e-02] lana-lora-wan2.2: 59%\|#############################9 \| 2939/5000 [17:32<1:22:20, 2.40s/it, lr: 1.0e-04 loss: 4.334e-01] lana-lora-wan2.2: 59%\|#############################9 \| 2939/5000 [17:32<1:22:20, 2.40s/it, lr: 1.0e-04 loss: 4.334e-01] lana-lora-wan2.2: 59%\|#############################9 \| 2940/5000 [17:35<1:22:23, 2.40s/it, lr: 1.0e-04 loss: 3.353e-01] lana-lora-wan2.2: 59%\|#############################9 \| 2940/5000 [17:35<1:22:23, 2.40s/it, lr: 1.0e-04 loss: 3.353e-01] lana-lora-wan2.2: 59%\|#############################9 \| 2941/5000 [17:38<1:22:20, 2.40s/it, lr: 1.0e-04 loss: 3.338e-02] lana-lora-wan2.2: 59%\|#############################9 \| 2941/5000 [17:38<1:22:20, 2.40s/it, lr: 1.0e-04 loss: 3.338e-02] lana-lora-wan2.2: 59%\|############################## \| 2942/5000 [17:41<1:22:24, 2.40s/it, lr: 1.0e-04 loss: 2.925e-02] lana-lora-wan2.2: 59%\|############################## \| 2942/5000 [17:41<1:22:24, 2.40s/it, lr: 1.0e-04 loss: 2.925e-02] lana-lora-wan2.2: 59%\|############################## \| 2943/5000 [17:45<1:22:28, 2.41s/it, lr: 1.0e-04 loss: 7.453e-02] lana-lora-wan2.2: 59%\|############################## \| 2943/5000 [17:45<1:22:28, 2.41s/it, lr: 1.0e-04 loss: 7.453e-02] lana-lora-wan2.2: 59%\|############################## \| 2944/5000 [17:47<1:22:24, 2.40s/it, lr: 1.0e-04 loss: 7.878e-02] lana-lora-wan2.2: 59%\|############################## \| 2944/5000 [17:47<1:22:24, 2.40s/it, lr: 1.0e-04 loss: 7.878e-02] lana-lora-wan2.2: 59%\|############################## \| 2945/5000 [17:49<1:22:21, 2.40s/it, lr: 1.0e-04 loss: 3.840e-02] lana-lora-wan2.2: 59%\|############################## \| 2945/5000 [17:49<1:22:21, 2.40s/it, lr: 1.0e-04 loss: 3.840e-02] lana-lora-wan2.2: 59%\|############################## \| 2946/5000 [17:51<1:22:13, 2.40s/it, lr: 1.0e-04 loss: 4.101e-02] lana-lora-wan2.2: 59%\|############################## \| 2946/5000 [17:51<1:22:13, 2.40s/it, lr: 1.0e-04 loss: 4.101e-02] lana-lora-wan2.2: 59%\|############################## \| 2947/5000 [17:52<1:22:05, 2.40s/it, lr: 1.0e-04 loss: 2.401e-01] lana-lora-wan2.2: 59%\|############################## \| 2947/5000 [17:52<1:22:05, 2.40s/it, lr: 1.0e-04 loss: 2.401e-01] lana-lora-wan2.2: 59%\|############################## \| 2948/5000 [17:54<1:22:02, 2.40s/it, lr: 1.0e-04 loss: 1.740e-02] lana-lora-wan2.2: 59%\|############################## \| 2948/5000 [17:54<1:22:02, 2.40s/it, lr: 1.0e-04 loss: 1.740e-02] lana-lora-wan2.2: 59%\|############################## \| 2949/5000 [17:58<1:22:06, 2.40s/it, lr: 1.0e-04 loss: 2.712e-02] lana-lora-wan2.2: 59%\|############################## \| 2949/5000 [17:58<1:22:06, 2.40s/it, lr: 1.0e-04 loss: 2.712e-02] lana-lora-wan2.2: 59%\|############################## \| 2950/5000 [17:59<1:21:58, 2.40s/it, lr: 1.0e-04 loss: 6.262e-02] lana-lora-wan2.2: 59%\|############################## \| 2950/5000 [17:59<1:21:58, 2.40s/it, lr: 1.0e-04 loss: 6.262e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2951/5000 [18:01<1:21:54, 2.40s/it, lr: 1.0e-04 loss: 2.697e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2951/5000 [18:01<1:21:54, 2.40s/it, lr: 1.0e-04 loss: 2.697e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2952/5000 [18:05<1:21:58, 2.40s/it, lr: 1.0e-04 loss: 3.245e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2952/5000 [18:05<1:21:58, 2.40s/it, lr: 1.0e-04 loss: 3.245e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2953/5000 [18:06<1:21:50, 2.40s/it, lr: 1.0e-04 loss: 5.965e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2953/5000 [18:06<1:21:50, 2.40s/it, lr: 1.0e-04 loss: 5.965e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2954/5000 [18:08<1:21:43, 2.40s/it, lr: 1.0e-04 loss: 2.673e-01] lana-lora-wan2.2: 59%\|##############################1 \| 2954/5000 [18:08<1:21:43, 2.40s/it, lr: 1.0e-04 loss: 2.673e-01] lana-lora-wan2.2: 59%\|##############################1 \| 2955/5000 [18:10<1:21:40, 2.40s/it, lr: 1.0e-04 loss: 5.356e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2955/5000 [18:10<1:21:40, 2.40s/it, lr: 1.0e-04 loss: 5.356e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2956/5000 [18:11<1:21:32, 2.39s/it, lr: 1.0e-04 loss: 3.911e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2956/5000 [18:11<1:21:32, 2.39s/it, lr: 1.0e-04 loss: 3.911e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2957/5000 [18:12<1:21:24, 2.39s/it, lr: 1.0e-04 loss: 3.610e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2957/5000 [18:12<1:21:24, 2.39s/it, lr: 1.0e-04 loss: 3.610e-02]Error running job: element 0 of tensors does not require grad and does not have a grad_fn

	========================================
	Result:
	- 0 completed jobs
	- 1 failure
	========================================
	Traceback (most recent call last):
	Traceback (most recent call last):
	File "/root/lab/ai-toolkit/run.py", line 120, in <module>
	File "/root/lab/ai-toolkit/run.py", line 120, in <module>
	main()main()

	File "/root/lab/ai-toolkit/run.py", line 108, in main
	File "/root/lab/ai-toolkit/run.py", line 108, in main
	raise eraise e

	File "/root/lab/ai-toolkit/run.py", line 96, in main
	File "/root/lab/ai-toolkit/run.py", line 96, in main
	job.run()job.run()

	File "/root/lab/ai-toolkit/jobs/ExtensionJob.py", line 22, in run
	File "/root/lab/ai-toolkit/jobs/ExtensionJob.py", line 22, in run
	process.run()process.run()

	File "/root/lab/ai-toolkit/jobs/process/BaseSDTrainProcess.py", line 2187, in run
	File "/root/lab/ai-toolkit/jobs/process/BaseSDTrainProcess.py", line 2187, in run
	loss_dict = self.hook_train_loop(batch_list)loss_dict = self.hook_train_loop(batch_list)

	^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

	File "/root/lab/ai-toolkit/extensions_built_in/sd_trainer/SDTrainer.py", line 2061, in hook_train_loop
	File "/root/lab/ai-toolkit/extensions_built_in/sd_trainer/SDTrainer.py", line 2061, in hook_train_loop
	loss = self.train_single_accumulation(batch)loss = self.train_single_accumulation(batch)

	^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

	File "/root/lab/ai-toolkit/extensions_built_in/sd_trainer/SDTrainer.py", line 1989, in train_single_accumulation
	File "/root/lab/ai-toolkit/extensions_built_in/sd_trainer/SDTrainer.py", line 1989, in train_single_accumulation
	self.accelerator.backward(loss)self.accelerator.backward(loss)

	File "/usr/local/lib/python3.11/site-packages/accelerate/accelerator.py", line 2852, in backward
	File "/usr/local/lib/python3.11/site-packages/accelerate/accelerator.py", line 2852, in backward
	loss.backward(kwargs)loss.backward(kwargs)

	File "/usr/local/lib/python3.11/site-packages/torch/_tensor.py", line 648, in backward
	File "/usr/local/lib/python3.11/site-packages/torch/_tensor.py", line 648, in backward
	torch.autograd.backward(torch.autograd.backward(

	File "/usr/local/lib/python3.11/site-packages/torch/autograd/__init__.py", line 353, in backward
	File "/usr/local/lib/python3.11/site-packages/torch/autograd/__init__.py", line 353, in backward
	_engine_run_backward(_engine_run_backward(

	File "/usr/local/lib/python3.11/site-packages/torch/autograd/graph.py", line 824, in _engine_run_backward
	File "/usr/local/lib/python3.11/site-packages/torch/autograd/graph.py", line 824, in _engine_run_backward
	return Variable._execution_engine.run_backward( # Calls into the C++ engine to run the backward passreturn Variable._execution_engine.run_backward( # Calls into the C++ engine to run the backward pass

	^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

	RuntimeErrorRuntimeError: : element 0 of tensors does not require grad and does not have a grad_fnelement 0 of tensors does not require grad and does not have a grad_fn

	lana-lora-wan2.2: 59%\|##############################1 \| 2958/5000 [18:15<1:21:22, 2.39s/it, lr: 1.0e-04 loss: 3.610e-02] lana-lora-wan2.2: 59%\|##############################1 \| 2958/5000 [18:15<1:21:22, 2.39s/it, lr: 1.0e-04 loss: 3.610e-02]