SSD Crack Detection Training v1.3.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "Copyright (C) 2018 Pierluigi Ferrari\n",
    "\n",
    "Licensed under the Apache License, Version 2.0 (the \"License\");\n",
    "you may not use this file except in compliance with the License.\n",
    "You may obtain a copy of the License at\n",
    "    http://www.apache.org/licenses/LICENSE-2.0\n",
    " Unless required by applicable law or agreed to in writing, software\n",
    "distributed under the License is distributed on an \"AS IS\" BASIS,\n",
    "WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.\n",
    "See the License for the specific language governing permissions and\n",
    "limitations under the License."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {},
   "outputs": [],
   "source": [
    "import h5py\n",
    "import numpy as np\n",
    "import shutil\n",
    "\n",
    "from misc_utils.tensor_sampling_utils import sample_tensors"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 2,
   "metadata": {
    "collapsed": true
   },
   "outputs": [
    {
     "data": {
      "text/plain": [
       "'C:\\\\Users\\\\user\\\\Desktop\\\\weight\\\\VGG_VOC0712Plus_SSD_300x300_iter_240000_sampling_2_.h5'"
      ]
     },
     "execution_count": 2,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "# 1. 학습시켜서 성능을 올리고자 하는 weight file(h5)의 경로를 입력합니다.\n",
    "weights_source_path = 'C:\\\\Users\\\\user\\\\Desktop\\\\weight\\\\VGG_VOC0712Plus_SSD_300x300_iter_240000.h5'\n",
    "\n",
    "# 학습된 weight file(h5)이 저장 될 경로를 입력합니다.\n",
    "weights_destination_path = 'C:\\\\Users\\\\user\\\\Desktop\\\\weight\\\\VGG_VOC0712Plus_SSD_300x300_iter_240000_sampling_2_.h5'\n",
    "\n",
    "shutil.copy(weights_source_path, weights_destination_path)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 3,
   "metadata": {},
   "outputs": [],
   "source": [
    "weights_source_file = h5py.File(weights_source_path, 'r')\n",
    "weights_destination_file = h5py.File(weights_destination_path)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 4,
   "metadata": {},
   "outputs": [],
   "source": [
    "classifier_names = ['conv4_3_norm_mbox_conf',\n",
    "                    'fc7_mbox_conf',\n",
    "                    'conv6_2_mbox_conf',\n",
    "                    'conv7_2_mbox_conf',\n",
    "                    'conv8_2_mbox_conf',\n",
    "                    'conv9_2_mbox_conf']"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 6,
   "metadata": {},
   "outputs": [],
   "source": [
    "# 2. 기본적인 수치들은 SSD Model의 방법론을 따릅니다.\n",
    "n_classes_source = 21\n",
    "# 학습할 데이터의 class는 '균열'과 '비균열'뿐이므로, 2를 입력합니다.\n",
    "classes_of_interest = 2\n",
    "\n",
    "\n",
    "for name in classifier_names:\n",
    "    kernel = weights_source_file[name][name]['kernel:0'].value\n",
    "    bias = weights_source_file[name][name]['bias:0'].value\n",
    "\n",
    "    height, width, in_channels, out_channels = kernel.shape\n",
    "    \n",
    "    if isinstance(classes_of_interest, (list, tuple)):\n",
    "        subsampling_indices = []\n",
    "        for i in range(int(out_channels/n_classes_source)):\n",
    "            indices = np.array(classes_of_interest) + i * n_classes_source\n",
    "            subsampling_indices.append(indices)\n",
    "        subsampling_indices = list(np.concatenate(subsampling_indices))\n",
    "    elif isinstance(classes_of_interest, int):\n",
    "        subsampling_indices = int(classes_of_interest * (out_channels/n_classes_source))\n",
    "    else:\n",
    "        raise ValueError(\"`classes_of_interest` must be either an integer or a list/tuple.\")\n",
    "    \n",
    "    new_kernel, new_bias = sample_tensors(weights_list=[kernel, bias],\n",
    "                                          sampling_instructions=[height, width, in_channels, subsampling_indices],\n",
    "                                          axes=[[3]], # The one bias dimension corresponds to the last kernel dimension.\n",
    "                                          init=['gaussian', 'zeros'],\n",
    "                                          mean=0.0,\n",
    "                                          stddev=0.005)\n",
    "    \n",
    "    del weights_destination_file[name][name]['kernel:0']\n",
    "    del weights_destination_file[name][name]['bias:0']\n",
    "\n",
    "    weights_destination_file[name][name].create_dataset(name='kernel:0', data=new_kernel)\n",
    "    weights_destination_file[name][name].create_dataset(name='bias:0', data=new_bias)\n",
    "\n",
    "weights_destination_file.flush()"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 7,
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "Using TensorFlow backend.\n"
     ]
    }
   ],
   "source": [
    "from keras.optimizers import Adam, SGD\n",
    "from keras.callbacks import ModelCheckpoint, LearningRateScheduler, TerminateOnNaN, CSVLogger\n",
    "from keras import backend as K\n",
    "from keras.models import load_model\n",
    "from math import ceil\n",
    "import numpy as np\n",
    "from matplotlib import pyplot as plt\n",
    "\n",
    "from models.keras_ssd300 import ssd_300\n",
    "from keras_loss_function.keras_ssd_loss import SSDLoss\n",
    "from keras_layers.keras_layer_AnchorBoxes import AnchorBoxes\n",
    "from keras_layers.keras_layer_DecodeDetections import DecodeDetections\n",
    "from keras_layers.keras_layer_DecodeDetectionsFast import DecodeDetectionsFast\n",
    "from keras_layers.keras_layer_L2Normalization import L2Normalization\n",
    "\n",
    "from ssd_encoder_decoder.ssd_input_encoder import SSDInputEncoder\n",
    "from ssd_encoder_decoder.ssd_output_decoder import decode_detections, decode_detections_fast\n",
    "\n",
    "from data_generator.object_detection_2d_data_generator import DataGenerator\n",
    "from data_generator.object_detection_2d_geometric_ops import Resize\n",
    "from data_generator.object_detection_2d_photometric_ops import ConvertTo3Channels\n",
    "from data_generator.data_augmentation_chain_original_ssd import SSDDataAugmentation\n",
    "from data_generator.object_detection_2d_misc_utils import apply_inverse_transforms\n",
    "\n",
    "%matplotlib inline"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 8,
   "metadata": {},
   "outputs": [],
   "source": [
    "img_height = 300\n",
    "img_width = 300\n",
    "img_channels = 3\n",
    "mean_color = [123, 117, 104] \n",
    "swap_channels = [2, 1, 0] \n",
    "n_classes = 1 \n",
    "            \n",
    "scales_pascal = [0.1, 0.2, 0.37, 0.54, 0.71, 0.88, 1.05] \n",
    "scales_coco = [0.07, 0.15, 0.33, 0.51, 0.69, 0.87, 1.05] \n",
    "scales = scales_pascal\n",
    "aspect_ratios = [[1.0, 2.0, 0.5],\n",
    "                 [1.0, 2.0, 0.5, 3.0, 1.0/3.0],\n",
    "                 [1.0, 2.0, 0.5, 3.0, 1.0/3.0],\n",
    "                 [1.0, 2.0, 0.5, 3.0, 1.0/3.0],\n",
    "                 [1.0, 2.0, 0.5],\n",
    "                 [1.0, 2.0, 0.5]]\n",
    "two_boxes_for_ar1 = True\n",
    "steps = [8, 16, 32, 64, 100, 300] \n",
    "offsets = [0.5, 0.5, 0.5, 0.5, 0.5, 0.5] \n",
    "clip_boxes = False\n",
    "variances = [0.1, 0.1, 0.2, 0.2] \n",
    "normalize_coords = True"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 9,
   "metadata": {},
   "outputs": [],
   "source": [
    "K.clear_session()\n",
    "\n",
    "model = ssd_300(image_size=(img_height, img_width, img_channels),\n",
    "                n_classes=n_classes,\n",
    "                mode='training',\n",
    "                l2_regularization=0.0005,\n",
    "                scales=scales,\n",
    "                aspect_ratios_per_layer=aspect_ratios,\n",
    "                two_boxes_for_ar1=two_boxes_for_ar1,\n",
    "                steps=steps,\n",
    "                offsets=offsets,\n",
    "                clip_boxes=clip_boxes,\n",
    "                variances=variances,\n",
    "                normalize_coords=normalize_coords,\n",
    "                subtract_mean=mean_color,\n",
    "                swap_channels=swap_channels)\n",
    "\n",
    "weights_path = weights_destination_path\n",
    "\n",
    "model.load_weights(weights_path, by_name=True)\n",
    "\n",
    "adam = Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.0)\n",
    "\n",
    "ssd_loss = SSDLoss(neg_pos_ratio=3, alpha=1.0)\n",
    "\n",
    "model.compile(optimizer=adam, loss=ssd_loss.compute_loss)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 10,
   "metadata": {
    "collapsed": true
   },
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Processing image set 'trainval.txt': 100%|████████████████████████████████████████| 8000/8000 [00:13<00:00, 574.77it/s]\n",
      "Loading images into memory: 100%|█████████████████████████████████████████████████| 8000/8000 [00:20<00:00, 385.31it/s]\n",
      "Processing image set 'test.txt': 100%|████████████████████████████████████████████| 2000/2000 [00:03<00:00, 551.86it/s]\n",
      "Loading images into memory: 100%|█████████████████████████████████████████████████| 2000/2000 [00:05<00:00, 379.25it/s]\n"
     ]
    }
   ],
   "source": [
    "# 3. 경로를 자신의 환경에 맞게 수정합니다.\n",
    "\n",
    "train_dataset = DataGenerator(load_images_into_memory=True, hdf5_dataset_path=None)\n",
    "val_dataset = DataGenerator(load_images_into_memory=True, hdf5_dataset_path=None)\n",
    "\n",
    "# 균열 이미지 세트가 저장된 디렉토리 경로를 입력합니다.\n",
    "Crack_images_dir      = '../../Desktop/SPARK/Concrete Crack Images for Classification/Positive 300 X 300/Positive/'\n",
    "#Noncrack_images_dir   = '../../Desktop/SPARK/Concrete Crack Images for Classification/Negative 300 X 300/Negative/'\n",
    "\n",
    "# Annotation 파일들이 저장된 디렉토리 경로를 입력합니다.\n",
    "Crack_images_dir_annotations      = '../../Desktop/SPARK/Concrete Crack Images for Classification/Positive 300 X 300/annotation/'\n",
    "#Noncrack_images_dir_annotations   = '../../Desktop/SPARK/Concrete Crack Images for Classification/Negative 300 X 300/annotation/'\n",
    "\n",
    "# Train과 Validation을 진행할 이미지 파일명을 입력한 텍스트 파일의 경로를 입력합니다.\n",
    "trainval_image_set_filename_crack = '../../Desktop/SPARK/Concrete Crack Images for Classification/Positive 300 X 300/trainval.txt'\n",
    "#trainval_image_set_filename_noncrack = '../../Desktop/SPARK/Concrete Crack Images for Classification/Negative 300 X 300/trainval.txt'\n",
    "\n",
    "# Test를 진행할 이미지 파일명을 입력한 텍스트 파일의 경로를 입력합니다.\n",
    "test_image_set_filename_crack     = '../../Desktop/SPARK/Concrete Crack Images for Classification/Positive 300 X 300/test.txt'\n",
    "#test_image_set_filename_noncrack     = '../../Desktop/SPARK/Concrete Crack Images for Classification/Negative 300 X 300/test.txt'\n",
    "\n",
    "# 총 2개의 클래스로 학습을 진행합니다.\n",
    "classes = ['background','crack']\n",
    "\n",
    "train_dataset.parse_xml(images_dirs=[Crack_images_dir],\n",
    "                        image_set_filenames=[trainval_image_set_filename_crack],\n",
    "                        annotations_dirs=[Crack_images_dir_annotations],\n",
    "                        classes=classes,\n",
    "                        include_classes='all',\n",
    "                        exclude_truncated=False,\n",
    "                        exclude_difficult=False,\n",
    "                        ret=False)\n",
    "\n",
    "val_dataset.parse_xml(images_dirs=[Crack_images_dir],\n",
    "                      image_set_filenames=[test_image_set_filename_crack],\n",
    "                      annotations_dirs=[Crack_images_dir_annotations],\n",
    "                      classes=classes,\n",
    "                      include_classes='all',\n",
    "                      exclude_truncated=False,\n",
    "                      exclude_difficult=True,\n",
    "                      ret=False)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 11,
   "metadata": {
    "collapsed": true
   },
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Number of images in the training dataset:\t  8000\n",
      "Number of images in the validation dataset:\t  2000\n"
     ]
    }
   ],
   "source": [
    "# 3: Set the batch size.\n",
    "\n",
    "batch_size = 2\n",
    "\n",
    "# 4: Set the image transformations for pre-processing and data augmentation options.\n",
    "\n",
    "# For the training generator:\n",
    "ssd_data_augmentation = SSDDataAugmentation(img_height=img_height,\n",
    "                                            img_width=img_width,\n",
    "                                            background=mean_color)\n",
    "\n",
    "# For the validation generator:\n",
    "convert_to_3_channels = ConvertTo3Channels()\n",
    "resize = Resize(height=img_height, width=img_width)\n",
    "\n",
    "# 5: Instantiate an encoder that can encode ground truth labels into the format needed by the SSD loss function.\n",
    "\n",
    "# The encoder constructor needs the spatial dimensions of the model's predictor layers to create the anchor boxes.\n",
    "# layer를 과제에 맞게 수정해야 하는 곳\n",
    "# 추후 각자 공부한 내용을 바탕으로 layer를 수정해가며 어떤 시도가 가장 loss 값을 줄여주는 지 알아보자 \n",
    "predictor_sizes = [model.get_layer('conv4_3_norm_mbox_conf').output_shape[1:3],\n",
    "                   model.get_layer('fc7_mbox_conf').output_shape[1:3],\n",
    "                   model.get_layer('conv6_2_mbox_conf').output_shape[1:3],\n",
    "                   model.get_layer('conv7_2_mbox_conf').output_shape[1:3],\n",
    "                   model.get_layer('conv8_2_mbox_conf').output_shape[1:3],\n",
    "                   model.get_layer('conv9_2_mbox_conf').output_shape[1:3]]\n",
    "\n",
    "ssd_input_encoder = SSDInputEncoder(img_height=img_height,\n",
    "                                    img_width=img_width,\n",
    "                                    n_classes=n_classes,\n",
    "                                    predictor_sizes=predictor_sizes,\n",
    "                                    scales=scales,\n",
    "                                    aspect_ratios_per_layer=aspect_ratios,\n",
    "                                    two_boxes_for_ar1=two_boxes_for_ar1,\n",
    "                                    steps=steps,\n",
    "                                    offsets=offsets,\n",
    "                                    clip_boxes=clip_boxes,\n",
    "                                    variances=variances,\n",
    "                                    matching_type='multi',\n",
    "                                    pos_iou_threshold=0.5,\n",
    "                                    neg_iou_limit=0.5,\n",
    "                                    normalize_coords=normalize_coords)\n",
    "\n",
    "# 6: Create the generator handles that will be passed to Keras' `fit_generator()` function.\n",
    "\n",
    "train_generator = train_dataset.generate(batch_size=batch_size,\n",
    "                                         shuffle=True,  # 이미지들의 train 순서를 random하게 해주는 기능 맞는지 확인\n",
    "                                         transformations=[ssd_data_augmentation],\n",
    "                                         label_encoder=ssd_input_encoder,\n",
    "                                         returns={'processed_images',\n",
    "                                                  'encoded_labels'},\n",
    "                                         keep_images_without_gt=False)\n",
    "\n",
    "val_generator = val_dataset.generate(batch_size=batch_size,\n",
    "                                     shuffle=False,\n",
    "                                     transformations=[convert_to_3_channels,\n",
    "                                                      resize],\n",
    "                                     label_encoder=ssd_input_encoder,\n",
    "                                     returns={'processed_images',\n",
    "                                              'encoded_labels'},\n",
    "                                     keep_images_without_gt=False)\n",
    "\n",
    "# Get the number of samples in the training and validations datasets.\n",
    "train_dataset_size = train_dataset.get_dataset_size()\n",
    "val_dataset_size   = val_dataset.get_dataset_size()\n",
    "\n",
    "print(\"Number of images in the training dataset:\\t{:>6}\".format(train_dataset_size))\n",
    "print(\"Number of images in the validation dataset:\\t{:>6}\".format(val_dataset_size))"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 30,
   "metadata": {},
   "outputs": [],
   "source": [
    "# Define a learning rate schedule.\n",
    "# epoch = 1,000 training steps\n",
    "# 알맞은 Learning rate를 찾을 것\n",
    "def lr_schedule(epoch):\n",
    "    if epoch < 10:           \n",
    "        return 0.0005      \n",
    "    else:\n",
    "        return 0.000005"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 31,
   "metadata": {},
   "outputs": [],
   "source": [
    "# Define model callbacks.\n",
    "\n",
    "# TODO: Set the filepath under which you want to save the model.\n",
    "# 추후 file path를 알맞게 수정하자\n",
    "# 원래 여기서 return하는 파일은 weight가 아니라 model이다!\n",
    "### 하지만 inference의 편의를 위해 여기서 Weight 만 저장하는 것으로 바꿈!!!\n",
    "### 여기서 Model을 통째로 저장하면 Inference에서 굉장한 어려움을 겪음!!!\n",
    "model_checkpoint = ModelCheckpoint(filepath='ssd300_pascal_07+12_epoch-{epoch:02d}_loss-{loss:.4f}_val_loss-{val_loss:.4f}.h5',\n",
    "                                   monitor='val_loss',\n",
    "                                   verbose=1,\n",
    "                                   save_best_only=True,\n",
    "                                   save_weights_only=True, ### 여기서 Weight 만 저장하는 것으로 바꿈!!!\n",
    "                                   mode='auto',\n",
    "                                   period=1)\n",
    "#model_checkpoint.best = \n",
    "\n",
    "csv_logger = CSVLogger(filename='ssd300_pascal_07+12_training_log.csv',\n",
    "                       separator=',',\n",
    "                       append=True)\n",
    "\n",
    "learning_rate_scheduler = LearningRateScheduler(schedule=lr_schedule,\n",
    "                                                verbose=1)\n",
    "\n",
    "terminate_on_nan = TerminateOnNaN()\n",
    "\n",
    "callbacks = [model_checkpoint,\n",
    "             csv_logger,\n",
    "             learning_rate_scheduler,\n",
    "             terminate_on_nan]"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 32,
   "metadata": {
    "collapsed": true
   },
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Epoch 1/16\n",
      "\n",
      "Epoch 00001: LearningRateScheduler reducing learning rate to 0.0005.\n",
      " 311/1000 [========>.....................] - ETA: 4:59 - loss: 2.623 - ETA: 4:47 - loss: 3.185 - ETA: 4:43 - loss: 4.404 - ETA: 4:46 - loss: 4.634 - ETA: 4:43 - loss: 4.555 - ETA: 4:41 - loss: 4.719 - ETA: 4:40 - loss: 4.987 - ETA: 4:37 - loss: 4.997 - ETA: 4:38 - loss: 4.811 - ETA: 4:37 - loss: 4.718 - ETA: 4:35 - loss: 4.723 - ETA: 4:36 - loss: 4.634 - ETA: 4:35 - loss: 4.544 - ETA: 4:34 - loss: 4.422 - ETA: 4:34 - loss: 4.330 - ETA: 4:34 - loss: 4.312 - ETA: 4:33 - loss: 4.263 - ETA: 4:32 - loss: 4.260 - ETA: 4:33 - loss: 4.226 - ETA: 4:32 - loss: 4.161 - ETA: 4:32 - loss: 4.074 - ETA: 4:31 - loss: 4.037 - ETA: 4:30 - loss: 3.994 - ETA: 4:30 - loss: 3.975 - ETA: 4:30 - loss: 3.983 - ETA: 4:30 - loss: 3.943 - ETA: 4:29 - loss: 3.982 - ETA: 4:29 - loss: 3.911 - ETA: 4:29 - loss: 3.937 - ETA: 4:28 - loss: 3.903 - ETA: 4:28 - loss: 3.858 - ETA: 4:28 - loss: 3.884 - ETA: 4:27 - loss: 3.928 - ETA: 4:27 - loss: 3.911 - ETA: 4:27 - loss: 3.913 - ETA: 4:27 - loss: 3.922 - ETA: 4:26 - loss: 3.905 - ETA: 4:26 - loss: 3.854 - ETA: 4:26 - loss: 3.888 - ETA: 4:26 - loss: 3.954 - ETA: 4:26 - loss: 3.957 - ETA: 4:25 - loss: 3.984 - ETA: 4:25 - loss: 3.994 - ETA: 4:24 - loss: 3.994 - ETA: 4:24 - loss: 3.995 - ETA: 4:24 - loss: 3.963 - ETA: 4:24 - loss: 3.947 - ETA: 4:23 - loss: 3.940 - ETA: 4:23 - loss: 3.934 - ETA: 4:23 - loss: 3.947 - ETA: 4:23 - loss: 3.939 - ETA: 4:22 - loss: 3.966 - ETA: 4:22 - loss: 3.976 - ETA: 4:22 - loss: 3.999 - ETA: 4:22 - loss: 3.992 - ETA: 4:21 - loss: 4.014 - ETA: 4:21 - loss: 4.018 - ETA: 4:21 - loss: 4.020 - ETA: 4:21 - loss: 4.016 - ETA: 4:20 - loss: 3.984 - ETA: 4:20 - loss: 4.039 - ETA: 4:20 - loss: 4.060 - ETA: 4:19 - loss: 4.031 - ETA: 4:19 - loss: 4.063 - ETA: 4:19 - loss: 4.058 - ETA: 4:18 - loss: 4.060 - ETA: 4:18 - loss: 4.084 - ETA: 4:18 - loss: 4.081 - ETA: 4:18 - loss: 4.079 - ETA: 4:17 - loss: 4.066 - ETA: 4:17 - loss: 4.079 - ETA: 4:17 - loss: 4.082 - ETA: 4:16 - loss: 4.072 - ETA: 4:16 - loss: 4.058 - ETA: 4:16 - loss: 4.051 - ETA: 4:16 - loss: 4.038 - ETA: 4:15 - loss: 4.048 - ETA: 4:15 - loss: 4.048 - ETA: 4:15 - loss: 4.046 - ETA: 4:14 - loss: 4.058 - ETA: 4:14 - loss: 4.054 - ETA: 4:14 - loss: 4.037 - ETA: 4:13 - loss: 4.029 - ETA: 4:13 - loss: 4.036 - ETA: 4:13 - loss: 4.041 - ETA: 4:13 - loss: 4.038 - ETA: 4:12 - loss: 4.047 - ETA: 4:12 - loss: 4.039 - ETA: 4:12 - loss: 4.039 - ETA: 4:11 - loss: 4.045 - ETA: 4:11 - loss: 4.062 - ETA: 4:11 - loss: 4.046 - ETA: 4:11 - loss: 4.047 - ETA: 4:10 - loss: 4.012 - ETA: 4:10 - loss: 4.002 - ETA: 4:10 - loss: 4.005 - ETA: 4:10 - loss: 3.991 - ETA: 4:09 - loss: 3.976 - ETA: 4:09 - loss: 3.968 - ETA: 4:09 - loss: 3.949 - ETA: 4:08 - loss: 3.933 - ETA: 4:08 - loss: 3.948 - ETA: 4:08 - loss: 3.955 - ETA: 4:08 - loss: 3.960 - ETA: 4:07 - loss: 3.951 - ETA: 4:07 - loss: 3.946 - ETA: 4:07 - loss: 3.944 - ETA: 4:06 - loss: 3.954 - ETA: 4:06 - loss: 3.952 - ETA: 4:06 - loss: 3.946 - ETA: 4:06 - loss: 3.952 - ETA: 4:05 - loss: 3.953 - ETA: 4:05 - loss: 3.946 - ETA: 4:05 - loss: 3.944 - ETA: 4:05 - loss: 3.945 - ETA: 4:04 - loss: 3.941 - ETA: 4:04 - loss: 3.930 - ETA: 4:04 - loss: 3.919 - ETA: 4:03 - loss: 3.918 - ETA: 4:03 - loss: 3.917 - ETA: 4:03 - loss: 3.891 - ETA: 4:03 - loss: 3.915 - ETA: 4:02 - loss: 3.924 - ETA: 4:02 - loss: 3.921 - ETA: 4:02 - loss: 3.932 - ETA: 4:01 - loss: 3.933 - ETA: 4:01 - loss: 3.943 - ETA: 4:01 - loss: 3.949 - ETA: 4:01 - loss: 3.949 - ETA: 4:00 - loss: 3.996 - ETA: 4:00 - loss: 3.997 - ETA: 4:00 - loss: 4.000 - ETA: 4:00 - loss: 4.029 - ETA: 3:59 - loss: 4.026 - ETA: 3:59 - loss: 4.033 - ETA: 3:59 - loss: 4.046 - ETA: 3:59 - loss: 4.040 - ETA: 3:58 - loss: 4.043 - ETA: 3:58 - loss: 4.045 - ETA: 3:58 - loss: 4.040 - ETA: 3:57 - loss: 4.054 - ETA: 3:57 - loss: 4.042 - ETA: 3:57 - loss: 4.042 - ETA: 3:57 - loss: 4.046 - ETA: 3:56 - loss: 4.033 - ETA: 3:56 - loss: 4.038 - ETA: 3:56 - loss: 4.028 - ETA: 3:56 - loss: 4.020 - ETA: 3:55 - loss: 4.027 - ETA: 3:55 - loss: 4.024 - ETA: 3:55 - loss: 4.029 - ETA: 3:54 - loss: 4.025 - ETA: 3:54 - loss: 4.021 - ETA: 3:54 - loss: 4.025 - ETA: 3:54 - loss: 4.042 - ETA: 3:53 - loss: 4.062 - ETA: 3:53 - loss: 4.067 - ETA: 3:53 - loss: 4.075 - ETA: 3:53 - loss: 4.070 - ETA: 3:52 - loss: 4.074 - ETA: 3:52 - loss: 4.073 - ETA: 3:52 - loss: 4.091 - ETA: 3:51 - loss: 4.093 - ETA: 3:51 - loss: 4.091 - ETA: 3:51 - loss: 4.088 - ETA: 3:51 - loss: 4.086 - ETA: 3:50 - loss: 4.084 - ETA: 3:50 - loss: 4.080 - ETA: 3:50 - loss: 4.079 - ETA: 3:50 - loss: 4.075 - ETA: 3:49 - loss: 4.078 - ETA: 3:49 - loss: 4.068 - ETA: 3:49 - loss: 4.076 - ETA: 3:48 - loss: 4.077 - ETA: 3:48 - loss: 4.070 - ETA: 3:48 - loss: 4.073 - ETA: 3:48 - loss: 4.064 - ETA: 3:47 - loss: 4.052 - ETA: 3:47 - loss: 4.053 - ETA: 3:47 - loss: 4.048 - ETA: 3:46 - loss: 4.040 - ETA: 3:46 - loss: 4.046 - ETA: 3:46 - loss: 4.042 - ETA: 3:46 - loss: 4.037 - ETA: 3:45 - loss: 4.036 - ETA: 3:45 - loss: 4.042 - ETA: 3:45 - loss: 4.045 - ETA: 3:44 - loss: 4.044 - ETA: 3:44 - loss: 4.049 - ETA: 3:44 - loss: 4.043 - ETA: 3:44 - loss: 4.045 - ETA: 3:43 - loss: 4.043 - ETA: 3:43 - loss: 4.055 - ETA: 3:43 - loss: 4.062 - ETA: 3:42 - loss: 4.064 - ETA: 3:42 - loss: 4.066 - ETA: 3:42 - loss: 4.068 - ETA: 3:42 - loss: 4.071 - ETA: 3:41 - loss: 4.074 - ETA: 3:41 - loss: 4.074 - ETA: 3:41 - loss: 4.080 - ETA: 3:41 - loss: 4.077 - ETA: 3:40 - loss: 4.072 - ETA: 3:40 - loss: 4.073 - ETA: 3:40 - loss: 4.071 - ETA: 3:39 - loss: 4.067 - ETA: 3:39 - loss: 4.079 - ETA: 3:39 - loss: 4.079 - ETA: 3:39 - loss: 4.097 - ETA: 3:38 - loss: 4.097 - ETA: 3:38 - loss: 4.090 - ETA: 3:38 - loss: 4.089 - ETA: 3:37 - loss: 4.084 - ETA: 3:37 - loss: 4.080 - ETA: 3:37 - loss: 4.084 - ETA: 3:37 - loss: 4.092 - ETA: 3:36 - loss: 4.096 - ETA: 3:36 - loss: 4.100 - ETA: 3:36 - loss: 4.104 - ETA: 3:35 - loss: 4.109 - ETA: 3:35 - loss: 4.111 - ETA: 3:35 - loss: 4.110 - ETA: 3:35 - loss: 4.106 - ETA: 3:34 - loss: 4.103 - ETA: 3:34 - loss: 4.096 - ETA: 3:34 - loss: 4.092 - ETA: 3:34 - loss: 4.114 - ETA: 3:33 - loss: 4.119 - ETA: 3:33 - loss: 4.126 - ETA: 3:33 - loss: 4.142 - ETA: 3:32 - loss: 4.143 - ETA: 3:32 - loss: 4.145 - ETA: 3:32 - loss: 4.148 - ETA: 3:32 - loss: 4.150 - ETA: 3:31 - loss: 4.155 - ETA: 3:31 - loss: 4.149 - ETA: 3:31 - loss: 4.145 - ETA: 3:30 - loss: 4.131 - ETA: 3:30 - loss: 4.132 - ETA: 3:30 - loss: 4.117 - ETA: 3:30 - loss: 4.115 - ETA: 3:29 - loss: 4.109 - ETA: 3:29 - loss: 4.105 - ETA: 3:29 - loss: 4.104 - ETA: 3:28 - loss: 4.103 - ETA: 3:28 - loss: 4.101 - ETA: 3:28 - loss: 4.102 - ETA: 3:28 - loss: 4.112 - ETA: 3:27 - loss: 4.111 - ETA: 3:27 - loss: 4.104 - ETA: 3:27 - loss: 4.098 - ETA: 3:27 - loss: 4.100 - ETA: 3:26 - loss: 4.099 - ETA: 3:26 - loss: 4.102 - ETA: 3:26 - loss: 4.102 - ETA: 3:25 - loss: 4.105 - ETA: 3:25 - loss: 4.112 - ETA: 3:25 - loss: 4.108 - ETA: 3:25 - loss: 4.109 - ETA: 3:24 - loss: 4.106 - ETA: 3:24 - loss: 4.110 - ETA: 3:24 - loss: 4.114 - ETA: 3:23 - loss: 4.108 - ETA: 3:23 - loss: 4.102 - ETA: 3:23 - loss: 4.095 - ETA: 3:23 - loss: 4.095 - ETA: 3:22 - loss: 4.091 - ETA: 3:22 - loss: 4.091 - ETA: 3:22 - loss: 4.090 - ETA: 3:22 - loss: 4.099 - ETA: 3:21 - loss: 4.096 - ETA: 3:21 - loss: 4.096 - ETA: 3:21 - loss: 4.095 - ETA: 3:20 - loss: 4.093 - ETA: 3:20 - loss: 4.094 - ETA: 3:20 - loss: 4.095 - ETA: 3:20 - loss: 4.090 - ETA: 3:19 - loss: 4.097 - ETA: 3:19 - loss: 4.093 - ETA: 3:19 - loss: 4.094 - ETA: 3:18 - loss: 4.096 - ETA: 3:18 - loss: 4.096 - ETA: 3:18 - loss: 4.091 - ETA: 3:18 - loss: 4.087 - ETA: 3:17 - loss: 4.084 - ETA: 3:17 - loss: 4.082 - ETA: 3:17 - loss: 4.078 - ETA: 3:16 - loss: 4.077 - ETA: 3:16 - loss: 4.082 - ETA: 3:16 - loss: 4.085 - ETA: 3:16 - loss: 4.085 - ETA: 3:15 - loss: 4.085 - ETA: 3:15 - loss: 4.084 - ETA: 3:15 - loss: 4.082 - ETA: 3:15 - loss: 4.083 - ETA: 3:14 - loss: 4.080 - ETA: 3:14 - loss: 4.084 - ETA: 3:14 - loss: 4.087 - ETA: 3:13 - loss: 4.088 - ETA: 3:13 - loss: 4.086 - ETA: 3:13 - loss: 4.085 - ETA: 3:13 - loss: 4.081 - ETA: 3:12 - loss: 4.074 - ETA: 3:12 - loss: 4.070 - ETA: 3:12 - loss: 4.070 - ETA: 3:11 - loss: 4.075 - ETA: 3:11 - loss: 4.074 - ETA: 3:11 - loss: 4.075 - ETA: 3:11 - loss: 4.080 - ETA: 3:10 - loss: 4.074 - ETA: 3:10 - loss: 4.076 625/1000 [=================>............] - ETA: 3:10 - loss: 4.081 - ETA: 3:10 - loss: 4.089 - ETA: 3:09 - loss: 4.091 - ETA: 3:09 - loss: 4.088 - ETA: 3:09 - loss: 4.084 - ETA: 3:08 - loss: 4.080 - ETA: 3:08 - loss: 4.080 - ETA: 3:08 - loss: 4.081 - ETA: 3:08 - loss: 4.083 - ETA: 3:07 - loss: 4.082 - ETA: 3:07 - loss: 4.082 - ETA: 3:07 - loss: 4.088 - ETA: 3:06 - loss: 4.090 - ETA: 3:06 - loss: 4.086 - ETA: 3:06 - loss: 4.081 - ETA: 3:06 - loss: 4.081 - ETA: 3:05 - loss: 4.078 - ETA: 3:05 - loss: 4.078 - ETA: 3:05 - loss: 4.078 - ETA: 3:05 - loss: 4.075 - ETA: 3:04 - loss: 4.075 - ETA: 3:04 - loss: 4.074 - ETA: 3:04 - loss: 4.068 - ETA: 3:03 - loss: 4.068 - ETA: 3:03 - loss: 4.064 - ETA: 3:03 - loss: 4.063 - ETA: 3:03 - loss: 4.063 - ETA: 3:02 - loss: 4.066 - ETA: 3:02 - loss: 4.076 - ETA: 3:02 - loss: 4.080 - ETA: 3:02 - loss: 4.083 - ETA: 3:01 - loss: 4.085 - ETA: 3:01 - loss: 4.079 - ETA: 3:01 - loss: 4.079 - ETA: 3:00 - loss: 4.080 - ETA: 3:00 - loss: 4.076 - ETA: 3:00 - loss: 4.076 - ETA: 3:00 - loss: 4.073 - ETA: 2:59 - loss: 4.070 - ETA: 2:59 - loss: 4.073 - ETA: 2:59 - loss: 4.069 - ETA: 2:58 - loss: 4.073 - ETA: 2:58 - loss: 4.067 - ETA: 2:58 - loss: 4.067 - ETA: 2:58 - loss: 4.068 - ETA: 2:57 - loss: 4.077 - ETA: 2:57 - loss: 4.075 - ETA: 2:57 - loss: 4.072 - ETA: 2:57 - loss: 4.073 - ETA: 2:56 - loss: 4.076 - ETA: 2:56 - loss: 4.074 - ETA: 2:56 - loss: 4.073 - ETA: 2:55 - loss: 4.074 - ETA: 2:55 - loss: 4.072 - ETA: 2:55 - loss: 4.074 - ETA: 2:55 - loss: 4.069 - ETA: 2:54 - loss: 4.074 - ETA: 2:54 - loss: 4.070 - ETA: 2:54 - loss: 4.061 - ETA: 2:53 - loss: 4.064 - ETA: 2:53 - loss: 4.062 - ETA: 2:53 - loss: 4.063 - ETA: 2:53 - loss: 4.064 - ETA: 2:52 - loss: 4.065 - ETA: 2:52 - loss: 4.067 - ETA: 2:52 - loss: 4.067 - ETA: 2:52 - loss: 4.067 - ETA: 2:51 - loss: 4.065 - ETA: 2:51 - loss: 4.063 - ETA: 2:51 - loss: 4.062 - ETA: 2:50 - loss: 4.064 - ETA: 2:50 - loss: 4.061 - ETA: 2:50 - loss: 4.065 - ETA: 2:50 - loss: 4.064 - ETA: 2:49 - loss: 4.061 - ETA: 2:49 - loss: 4.067 - ETA: 2:49 - loss: 4.066 - ETA: 2:48 - loss: 4.067 - ETA: 2:48 - loss: 4.066 - ETA: 2:48 - loss: 4.066 - ETA: 2:48 - loss: 4.066 - ETA: 2:47 - loss: 4.074 - ETA: 2:47 - loss: 4.074 - ETA: 2:47 - loss: 4.069 - ETA: 2:46 - loss: 4.068 - ETA: 2:46 - loss: 4.068 - ETA: 2:46 - loss: 4.068 - ETA: 2:46 - loss: 4.068 - ETA: 2:45 - loss: 4.086 - ETA: 2:45 - loss: 4.086 - ETA: 2:45 - loss: 4.084 - ETA: 2:45 - loss: 4.086 - ETA: 2:44 - loss: 4.087 - ETA: 2:44 - loss: 4.082 - ETA: 2:44 - loss: 4.086 - ETA: 2:43 - loss: 4.087 - ETA: 2:43 - loss: 4.089 - ETA: 2:43 - loss: 4.091 - ETA: 2:43 - loss: 4.093 - ETA: 2:42 - loss: 4.091 - ETA: 2:42 - loss: 4.089 - ETA: 2:42 - loss: 4.090 - ETA: 2:41 - loss: 4.094 - ETA: 2:41 - loss: 4.093 - ETA: 2:41 - loss: 4.094 - ETA: 2:41 - loss: 4.096 - ETA: 2:40 - loss: 4.097 - ETA: 2:40 - loss: 4.094 - ETA: 2:40 - loss: 4.093 - ETA: 2:40 - loss: 4.092 - ETA: 2:39 - loss: 4.091 - ETA: 2:39 - loss: 4.092 - ETA: 2:39 - loss: 4.092 - ETA: 2:38 - loss: 4.090 - ETA: 2:38 - loss: 4.089 - ETA: 2:38 - loss: 4.089 - ETA: 2:38 - loss: 4.090 - ETA: 2:37 - loss: 4.088 - ETA: 2:37 - loss: 4.088 - ETA: 2:37 - loss: 4.085 - ETA: 2:37 - loss: 4.086 - ETA: 2:36 - loss: 4.089 - ETA: 2:36 - loss: 4.090 - ETA: 2:36 - loss: 4.087 - ETA: 2:35 - loss: 4.082 - ETA: 2:35 - loss: 4.086 - ETA: 2:35 - loss: 4.084 - ETA: 2:35 - loss: 4.082 - ETA: 2:34 - loss: 4.084 - ETA: 2:34 - loss: 4.081 - ETA: 2:34 - loss: 4.080 - ETA: 2:33 - loss: 4.078 - ETA: 2:33 - loss: 4.080 - ETA: 2:33 - loss: 4.080 - ETA: 2:33 - loss: 4.080 - ETA: 2:32 - loss: 4.083 - ETA: 2:32 - loss: 4.085 - ETA: 2:32 - loss: 4.084 - ETA: 2:32 - loss: 4.080 - ETA: 2:31 - loss: 4.079 - ETA: 2:31 - loss: 4.075 - ETA: 2:31 - loss: 4.073 - ETA: 2:30 - loss: 4.075 - ETA: 2:30 - loss: 4.075 - ETA: 2:30 - loss: 4.071 - ETA: 2:30 - loss: 4.070 - ETA: 2:29 - loss: 4.069 - ETA: 2:29 - loss: 4.066 - ETA: 2:29 - loss: 4.067 - ETA: 2:28 - loss: 4.064 - ETA: 2:28 - loss: 4.068 - ETA: 2:28 - loss: 4.064 - ETA: 2:28 - loss: 4.066 - ETA: 2:27 - loss: 4.063 - ETA: 2:27 - loss: 4.064 - ETA: 2:27 - loss: 4.065 - ETA: 2:27 - loss: 4.062 - ETA: 2:26 - loss: 4.065 - ETA: 2:26 - loss: 4.061 - ETA: 2:26 - loss: 4.059 - ETA: 2:25 - loss: 4.061 - ETA: 2:25 - loss: 4.061 - ETA: 2:25 - loss: 4.058 - ETA: 2:25 - loss: 4.056 - ETA: 2:24 - loss: 4.051 - ETA: 2:24 - loss: 4.053 - ETA: 2:24 - loss: 4.052 - ETA: 2:23 - loss: 4.050 - ETA: 2:23 - loss: 4.051 - ETA: 2:23 - loss: 4.050 - ETA: 2:23 - loss: 4.056 - ETA: 2:22 - loss: 4.056 - ETA: 2:22 - loss: 4.054 - ETA: 2:22 - loss: 4.052 - ETA: 2:22 - loss: 4.052 - ETA: 2:21 - loss: 4.052 - ETA: 2:21 - loss: 4.050 - ETA: 2:21 - loss: 4.048 - ETA: 2:20 - loss: 4.049 - ETA: 2:20 - loss: 4.047 - ETA: 2:20 - loss: 4.040 - ETA: 2:20 - loss: 4.037 - ETA: 2:19 - loss: 4.036 - ETA: 2:19 - loss: 4.031 - ETA: 2:19 - loss: 4.030 - ETA: 2:18 - loss: 4.033 - ETA: 2:18 - loss: 4.033 - ETA: 2:18 - loss: 4.035 - ETA: 2:18 - loss: 4.036 - ETA: 2:17 - loss: 4.033 - ETA: 2:17 - loss: 4.033 - ETA: 2:17 - loss: 4.030 - ETA: 2:17 - loss: 4.027 - ETA: 2:16 - loss: 4.023 - ETA: 2:16 - loss: 4.026 - ETA: 2:16 - loss: 4.022 - ETA: 2:15 - loss: 4.020 - ETA: 2:15 - loss: 4.022 - ETA: 2:15 - loss: 4.025 - ETA: 2:15 - loss: 4.023 - ETA: 2:14 - loss: 4.023 - ETA: 2:14 - loss: 4.024 - ETA: 2:14 - loss: 4.022 - ETA: 2:14 - loss: 4.020 - ETA: 2:13 - loss: 4.020 - ETA: 2:13 - loss: 4.020 - ETA: 2:13 - loss: 4.017 - ETA: 2:12 - loss: 4.018 - ETA: 2:12 - loss: 4.018 - ETA: 2:12 - loss: 4.017 - ETA: 2:12 - loss: 4.016 - ETA: 2:11 - loss: 4.016 - ETA: 2:11 - loss: 4.019 - ETA: 2:11 - loss: 4.019 - ETA: 2:10 - loss: 4.018 - ETA: 2:10 - loss: 4.017 - ETA: 2:10 - loss: 4.017 - ETA: 2:10 - loss: 4.016 - ETA: 2:09 - loss: 4.014 - ETA: 2:09 - loss: 4.013 - ETA: 2:09 - loss: 4.014 - ETA: 2:09 - loss: 4.012 - ETA: 2:08 - loss: 4.010 - ETA: 2:08 - loss: 4.010 - ETA: 2:08 - loss: 4.007 - ETA: 2:07 - loss: 4.004 - ETA: 2:07 - loss: 4.003 - ETA: 2:07 - loss: 4.001 - ETA: 2:07 - loss: 4.008 - ETA: 2:06 - loss: 4.008 - ETA: 2:06 - loss: 4.012 - ETA: 2:06 - loss: 4.012 - ETA: 2:06 - loss: 4.011 - ETA: 2:05 - loss: 4.011 - ETA: 2:05 - loss: 4.011 - ETA: 2:05 - loss: 4.013 - ETA: 2:04 - loss: 4.013 - ETA: 2:04 - loss: 4.010 - ETA: 2:04 - loss: 4.009 - ETA: 2:04 - loss: 4.005 - ETA: 2:03 - loss: 4.005 - ETA: 2:03 - loss: 4.004 - ETA: 2:03 - loss: 3.998 - ETA: 2:03 - loss: 3.996 - ETA: 2:02 - loss: 3.992 - ETA: 2:02 - loss: 3.994 - ETA: 2:02 - loss: 3.994 - ETA: 2:01 - loss: 3.992 - ETA: 2:01 - loss: 3.989 - ETA: 2:01 - loss: 3.994 - ETA: 2:01 - loss: 3.993 - ETA: 2:00 - loss: 3.993 - ETA: 2:00 - loss: 3.992 - ETA: 2:00 - loss: 3.992 - ETA: 1:59 - loss: 3.993 - ETA: 1:59 - loss: 3.991 - ETA: 1:59 - loss: 3.990 - ETA: 1:59 - loss: 3.988 - ETA: 1:58 - loss: 3.990 - ETA: 1:58 - loss: 3.987 - ETA: 1:58 - loss: 3.986 - ETA: 1:58 - loss: 3.988 - ETA: 1:57 - loss: 3.989 - ETA: 1:57 - loss: 3.986 - ETA: 1:57 - loss: 3.986 - ETA: 1:56 - loss: 3.987 - ETA: 1:56 - loss: 3.986 - ETA: 1:56 - loss: 3.985 - ETA: 1:56 - loss: 3.981 - ETA: 1:55 - loss: 3.979 - ETA: 1:55 - loss: 3.976 - ETA: 1:55 - loss: 3.976 - ETA: 1:54 - loss: 3.978 - ETA: 1:54 - loss: 3.976 - ETA: 1:54 - loss: 3.977 - ETA: 1:54 - loss: 3.975 - ETA: 1:53 - loss: 3.974 - ETA: 1:53 - loss: 3.974 - ETA: 1:53 - loss: 3.974 - ETA: 1:53 - loss: 3.971 - ETA: 1:52 - loss: 3.969 - ETA: 1:52 - loss: 3.967 - ETA: 1:52 - loss: 3.967 - ETA: 1:51 - loss: 3.964 - ETA: 1:51 - loss: 3.966 - ETA: 1:51 - loss: 3.963 - ETA: 1:51 - loss: 3.962 - ETA: 1:50 - loss: 3.964 - ETA: 1:50 - loss: 3.966 - ETA: 1:50 - loss: 3.967 - ETA: 1:49 - loss: 3.967 - ETA: 1:49 - loss: 3.963 - ETA: 1:49 - loss: 3.961 - ETA: 1:49 - loss: 3.961 - ETA: 1:48 - loss: 3.960 - ETA: 1:48 - loss: 3.959 - ETA: 1:48 - loss: 3.959 - ETA: 1:48 - loss: 3.956 - ETA: 1:47 - loss: 3.956 - ETA: 1:47 - loss: 3.956 - ETA: 1:47 - loss: 3.957 - ETA: 1:46 - loss: 3.961 - ETA: 1:46 - loss: 3.961 - ETA: 1:46 - loss: 3.964 - ETA: 1:46 - loss: 3.967 - ETA: 1:45 - loss: 3.965 - ETA: 1:45 - loss: 3.964 - ETA: 1:45 - loss: 3.965 - ETA: 1:44 - loss: 3.962 - ETA: 1:44 - loss: 3.961 - ETA: 1:44 - loss: 3.960 - ETA: 1:44 - loss: 3.964 - ETA: 1:43 - loss: 3.966 - ETA: 1:43 - loss: 3.9638 952/1000 [===========================>..] - ETA: 1:43 - loss: 3.961 - ETA: 1:43 - loss: 3.962 - ETA: 1:42 - loss: 3.961 - ETA: 1:42 - loss: 3.958 - ETA: 1:42 - loss: 3.956 - ETA: 1:41 - loss: 3.956 - ETA: 1:41 - loss: 3.957 - ETA: 1:41 - loss: 3.956 - ETA: 1:41 - loss: 3.956 - ETA: 1:40 - loss: 3.954 - ETA: 1:40 - loss: 3.951 - ETA: 1:40 - loss: 3.949 - ETA: 1:40 - loss: 3.951 - ETA: 1:39 - loss: 3.951 - ETA: 1:39 - loss: 3.953 - ETA: 1:39 - loss: 3.954 - ETA: 1:38 - loss: 3.951 - ETA: 1:38 - loss: 3.950 - ETA: 1:38 - loss: 3.949 - ETA: 1:38 - loss: 3.947 - ETA: 1:37 - loss: 3.948 - ETA: 1:37 - loss: 3.947 - ETA: 1:37 - loss: 3.947 - ETA: 1:36 - loss: 3.947 - ETA: 1:36 - loss: 3.947 - ETA: 1:36 - loss: 3.949 - ETA: 1:36 - loss: 3.949 - ETA: 1:35 - loss: 3.952 - ETA: 1:35 - loss: 3.954 - ETA: 1:35 - loss: 3.957 - ETA: 1:35 - loss: 3.957 - ETA: 1:34 - loss: 3.961 - ETA: 1:34 - loss: 3.962 - ETA: 1:34 - loss: 3.963 - ETA: 1:33 - loss: 3.962 - ETA: 1:33 - loss: 3.962 - ETA: 1:33 - loss: 3.962 - ETA: 1:33 - loss: 3.960 - ETA: 1:32 - loss: 3.959 - ETA: 1:32 - loss: 3.957 - ETA: 1:32 - loss: 3.960 - ETA: 1:32 - loss: 3.960 - ETA: 1:31 - loss: 3.959 - ETA: 1:31 - loss: 3.957 - ETA: 1:31 - loss: 3.957 - ETA: 1:30 - loss: 3.955 - ETA: 1:30 - loss: 3.955 - ETA: 1:30 - loss: 3.957 - ETA: 1:30 - loss: 3.957 - ETA: 1:29 - loss: 3.957 - ETA: 1:29 - loss: 3.955 - ETA: 1:29 - loss: 3.954 - ETA: 1:28 - loss: 3.954 - ETA: 1:28 - loss: 3.954 - ETA: 1:28 - loss: 3.956 - ETA: 1:28 - loss: 3.956 - ETA: 1:27 - loss: 3.954 - ETA: 1:27 - loss: 3.953 - ETA: 1:27 - loss: 3.951 - ETA: 1:27 - loss: 3.950 - ETA: 1:26 - loss: 3.949 - ETA: 1:26 - loss: 3.948 - ETA: 1:26 - loss: 3.946 - ETA: 1:25 - loss: 3.944 - ETA: 1:25 - loss: 3.942 - ETA: 1:25 - loss: 3.940 - ETA: 1:25 - loss: 3.942 - ETA: 1:24 - loss: 3.942 - ETA: 1:24 - loss: 3.941 - ETA: 1:24 - loss: 3.941 - ETA: 1:23 - loss: 3.937 - ETA: 1:23 - loss: 3.936 - ETA: 1:23 - loss: 3.935 - ETA: 1:23 - loss: 3.933 - ETA: 1:22 - loss: 3.931 - ETA: 1:22 - loss: 3.931 - ETA: 1:22 - loss: 3.930 - ETA: 1:22 - loss: 3.930 - ETA: 1:21 - loss: 3.929 - ETA: 1:21 - loss: 3.927 - ETA: 1:21 - loss: 3.926 - ETA: 1:20 - loss: 3.928 - ETA: 1:20 - loss: 3.931 - ETA: 1:20 - loss: 3.931 - ETA: 1:20 - loss: 3.930 - ETA: 1:19 - loss: 3.930 - ETA: 1:19 - loss: 3.927 - ETA: 1:19 - loss: 3.927 - ETA: 1:19 - loss: 3.926 - ETA: 1:18 - loss: 3.929 - ETA: 1:18 - loss: 3.926 - ETA: 1:18 - loss: 3.926 - ETA: 1:17 - loss: 3.923 - ETA: 1:17 - loss: 3.923 - ETA: 1:17 - loss: 3.923 - ETA: 1:17 - loss: 3.921 - ETA: 1:16 - loss: 3.922 - ETA: 1:16 - loss: 3.922 - ETA: 1:16 - loss: 3.920 - ETA: 1:15 - loss: 3.920 - ETA: 1:15 - loss: 3.919 - ETA: 1:15 - loss: 3.920 - ETA: 1:15 - loss: 3.920 - ETA: 1:14 - loss: 3.923 - ETA: 1:14 - loss: 3.922 - ETA: 1:14 - loss: 3.924 - ETA: 1:14 - loss: 3.924 - ETA: 1:13 - loss: 3.924 - ETA: 1:13 - loss: 3.924 - ETA: 1:13 - loss: 3.923 - ETA: 1:12 - loss: 3.921 - ETA: 1:12 - loss: 3.922 - ETA: 1:12 - loss: 3.921 - ETA: 1:12 - loss: 3.921 - ETA: 1:11 - loss: 3.922 - ETA: 1:11 - loss: 3.923 - ETA: 1:11 - loss: 3.921 - ETA: 1:11 - loss: 3.920 - ETA: 1:10 - loss: 3.919 - ETA: 1:10 - loss: 3.915 - ETA: 1:10 - loss: 3.914 - ETA: 1:09 - loss: 3.913 - ETA: 1:09 - loss: 3.916 - ETA: 1:09 - loss: 3.916 - ETA: 1:09 - loss: 3.919 - ETA: 1:08 - loss: 3.919 - ETA: 1:08 - loss: 3.918 - ETA: 1:08 - loss: 3.916 - ETA: 1:07 - loss: 3.917 - ETA: 1:07 - loss: 3.915 - ETA: 1:07 - loss: 3.915 - ETA: 1:07 - loss: 3.916 - ETA: 1:06 - loss: 3.915 - ETA: 1:06 - loss: 3.913 - ETA: 1:06 - loss: 3.913 - ETA: 1:06 - loss: 3.912 - ETA: 1:05 - loss: 3.911 - ETA: 1:05 - loss: 3.911 - ETA: 1:05 - loss: 3.909 - ETA: 1:04 - loss: 3.909 - ETA: 1:04 - loss: 3.907 - ETA: 1:04 - loss: 3.910 - ETA: 1:04 - loss: 3.909 - ETA: 1:03 - loss: 3.913 - ETA: 1:03 - loss: 3.918 - ETA: 1:03 - loss: 3.920 - ETA: 1:02 - loss: 3.920 - ETA: 1:02 - loss: 3.919 - ETA: 1:02 - loss: 3.918 - ETA: 1:02 - loss: 3.917 - ETA: 1:01 - loss: 3.917 - ETA: 1:01 - loss: 3.917 - ETA: 1:01 - loss: 3.918 - ETA: 1:01 - loss: 3.917 - ETA: 1:00 - loss: 3.917 - ETA: 1:00 - loss: 3.917 - ETA: 1:00 - loss: 3.917 - ETA: 59s - loss: 3.916 - ETA: 59s - loss: 3.91 - ETA: 59s - loss: 3.91 - ETA: 59s - loss: 3.91 - ETA: 58s - loss: 3.91 - ETA: 58s - loss: 3.91 - ETA: 58s - loss: 3.91 - ETA: 58s - loss: 3.91 - ETA: 57s - loss: 3.91 - ETA: 57s - loss: 3.91 - ETA: 57s - loss: 3.91 - ETA: 56s - loss: 3.91 - ETA: 56s - loss: 3.91 - ETA: 56s - loss: 3.91 - ETA: 56s - loss: 3.91 - ETA: 55s - loss: 3.91 - ETA: 55s - loss: 3.91 - ETA: 55s - loss: 3.91 - ETA: 54s - loss: 3.91 - ETA: 54s - loss: 3.91 - ETA: 54s - loss: 3.91 - ETA: 54s - loss: 3.91 - ETA: 53s - loss: 3.91 - ETA: 53s - loss: 3.91 - ETA: 53s - loss: 3.91 - ETA: 53s - loss: 3.91 - ETA: 52s - loss: 3.91 - ETA: 52s - loss: 3.91 - ETA: 52s - loss: 3.91 - ETA: 51s - loss: 3.91 - ETA: 51s - loss: 3.91 - ETA: 51s - loss: 3.91 - ETA: 51s - loss: 3.91 - ETA: 50s - loss: 3.91 - ETA: 50s - loss: 3.91 - ETA: 50s - loss: 3.91 - ETA: 50s - loss: 3.91 - ETA: 49s - loss: 3.91 - ETA: 49s - loss: 3.91 - ETA: 49s - loss: 3.91 - ETA: 48s - loss: 3.91 - ETA: 48s - loss: 3.91 - ETA: 48s - loss: 3.91 - ETA: 48s - loss: 3.91 - ETA: 47s - loss: 3.91 - ETA: 47s - loss: 3.91 - ETA: 47s - loss: 3.91 - ETA: 46s - loss: 3.91 - ETA: 46s - loss: 3.91 - ETA: 46s - loss: 3.91 - ETA: 46s - loss: 3.91 - ETA: 45s - loss: 3.91 - ETA: 45s - loss: 3.90 - ETA: 45s - loss: 3.90 - ETA: 45s - loss: 3.90 - ETA: 44s - loss: 3.90 - ETA: 44s - loss: 3.90 - ETA: 44s - loss: 3.90 - ETA: 43s - loss: 3.90 - ETA: 43s - loss: 3.90 - ETA: 43s - loss: 3.90 - ETA: 43s - loss: 3.89 - ETA: 42s - loss: 3.89 - ETA: 42s - loss: 3.89 - ETA: 42s - loss: 3.89 - ETA: 42s - loss: 3.89 - ETA: 41s - loss: 3.89 - ETA: 41s - loss: 3.89 - ETA: 41s - loss: 3.89 - ETA: 40s - loss: 3.89 - ETA: 40s - loss: 3.89 - ETA: 40s - loss: 3.89 - ETA: 40s - loss: 3.89 - ETA: 39s - loss: 3.89 - ETA: 39s - loss: 3.89 - ETA: 39s - loss: 3.89 - ETA: 38s - loss: 3.89 - ETA: 38s - loss: 3.89 - ETA: 38s - loss: 3.89 - ETA: 38s - loss: 3.89 - ETA: 37s - loss: 3.89 - ETA: 37s - loss: 3.89 - ETA: 37s - loss: 3.89 - ETA: 37s - loss: 3.89 - ETA: 36s - loss: 3.89 - ETA: 36s - loss: 3.89 - ETA: 36s - loss: 3.89 - ETA: 35s - loss: 3.89 - ETA: 35s - loss: 3.89 - ETA: 35s - loss: 3.89 - ETA: 35s - loss: 3.89 - ETA: 34s - loss: 3.89 - ETA: 34s - loss: 3.89 - ETA: 34s - loss: 3.88 - ETA: 33s - loss: 3.88 - ETA: 33s - loss: 3.89 - ETA: 33s - loss: 3.89 - ETA: 33s - loss: 3.88 - ETA: 32s - loss: 3.88 - ETA: 32s - loss: 3.88 - ETA: 32s - loss: 3.88 - ETA: 32s - loss: 3.88 - ETA: 31s - loss: 3.88 - ETA: 31s - loss: 3.88 - ETA: 31s - loss: 3.88 - ETA: 30s - loss: 3.88 - ETA: 30s - loss: 3.88 - ETA: 30s - loss: 3.88 - ETA: 30s - loss: 3.88 - ETA: 29s - loss: 3.88 - ETA: 29s - loss: 3.87 - ETA: 29s - loss: 3.87 - ETA: 29s - loss: 3.87 - ETA: 28s - loss: 3.87 - ETA: 28s - loss: 3.87 - ETA: 28s - loss: 3.88 - ETA: 27s - loss: 3.87 - ETA: 27s - loss: 3.87 - ETA: 27s - loss: 3.87 - ETA: 27s - loss: 3.87 - ETA: 26s - loss: 3.87 - ETA: 26s - loss: 3.87 - ETA: 26s - loss: 3.86 - ETA: 25s - loss: 3.86 - ETA: 25s - loss: 3.86 - ETA: 25s - loss: 3.86 - ETA: 25s - loss: 3.86 - ETA: 24s - loss: 3.86 - ETA: 24s - loss: 3.86 - ETA: 24s - loss: 3.86 - ETA: 24s - loss: 3.86 - ETA: 23s - loss: 3.86 - ETA: 23s - loss: 3.86 - ETA: 23s - loss: 3.86 - ETA: 22s - loss: 3.86 - ETA: 22s - loss: 3.86 - ETA: 22s - loss: 3.86 - ETA: 22s - loss: 3.85 - ETA: 21s - loss: 3.85 - ETA: 21s - loss: 3.85 - ETA: 21s - loss: 3.85 - ETA: 21s - loss: 3.85 - ETA: 20s - loss: 3.85 - ETA: 20s - loss: 3.85 - ETA: 20s - loss: 3.85 - ETA: 19s - loss: 3.85 - ETA: 19s - loss: 3.85 - ETA: 19s - loss: 3.85 - ETA: 19s - loss: 3.85 - ETA: 18s - loss: 3.85 - ETA: 18s - loss: 3.85 - ETA: 18s - loss: 3.85 - ETA: 17s - loss: 3.85 - ETA: 17s - loss: 3.85 - ETA: 17s - loss: 3.85 - ETA: 17s - loss: 3.85 - ETA: 16s - loss: 3.85 - ETA: 16s - loss: 3.85 - ETA: 16s - loss: 3.85 - ETA: 16s - loss: 3.85 - ETA: 15s - loss: 3.85 - ETA: 15s - loss: 3.85 - ETA: 15s - loss: 3.85 - ETA: 14s - loss: 3.85 - ETA: 14s - loss: 3.85 - ETA: 14s - loss: 3.85 - ETA: 14s - loss: 3.85 - ETA: 13s - loss: 3.85 - ETA: 13s - loss: 3.85 - ETA: 13s - loss: 3.86021000/1000 [==============================] - ETA: 12s - loss: 3.86 - ETA: 12s - loss: 3.87 - ETA: 12s - loss: 3.87 - ETA: 12s - loss: 3.87 - ETA: 11s - loss: 3.86 - ETA: 11s - loss: 3.86 - ETA: 11s - loss: 3.86 - ETA: 11s - loss: 3.86 - ETA: 10s - loss: 3.86 - ETA: 10s - loss: 3.86 - ETA: 10s - loss: 3.86 - ETA: 9s - loss: 3.8655 - ETA: 9s - loss: 3.867 - ETA: 9s - loss: 3.865 - ETA: 9s - loss: 3.866 - ETA: 8s - loss: 3.868 - ETA: 8s - loss: 3.871 - ETA: 8s - loss: 3.872 - ETA: 8s - loss: 3.873 - ETA: 7s - loss: 3.874 - ETA: 7s - loss: 3.874 - ETA: 7s - loss: 3.873 - ETA: 6s - loss: 3.871 - ETA: 6s - loss: 3.872 - ETA: 6s - loss: 3.872 - ETA: 6s - loss: 3.871 - ETA: 5s - loss: 3.872 - ETA: 5s - loss: 3.871 - ETA: 5s - loss: 3.870 - ETA: 4s - loss: 3.871 - ETA: 4s - loss: 3.870 - ETA: 4s - loss: 3.871 - ETA: 4s - loss: 3.869 - ETA: 3s - loss: 3.869 - ETA: 3s - loss: 3.868 - ETA: 3s - loss: 3.866 - ETA: 3s - loss: 3.867 - ETA: 2s - loss: 3.866 - ETA: 2s - loss: 3.867 - ETA: 2s - loss: 3.869 - ETA: 1s - loss: 3.868 - ETA: 1s - loss: 3.867 - ETA: 1s - loss: 3.865 - ETA: 1s - loss: 3.867 - ETA: 0s - loss: 3.867 - ETA: 0s - loss: 3.867 - ETA: 0s - loss: 3.866 - 358s 358ms/step - loss: 3.8650 - val_loss: 3.8780\n",
      "\n",
      "Epoch 00001: val_loss improved from inf to 3.87801, saving model to ssd300_pascal_07+12_epoch-01_loss-3.8650_val_loss-3.8780.h5\n",
      "Epoch 2/16\n",
      "\n",
      "Epoch 00002: LearningRateScheduler reducing learning rate to 0.0005.\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      " 314/1000 [========>.....................] - ETA: 4:39 - loss: 4.800 - ETA: 4:37 - loss: 5.441 - ETA: 4:36 - loss: 5.075 - ETA: 4:35 - loss: 4.644 - ETA: 4:32 - loss: 4.157 - ETA: 4:34 - loss: 4.037 - ETA: 4:34 - loss: 3.814 - ETA: 4:34 - loss: 3.770 - ETA: 4:34 - loss: 3.741 - ETA: 4:32 - loss: 3.691 - ETA: 4:32 - loss: 3.617 - ETA: 4:34 - loss: 3.482 - ETA: 4:33 - loss: 3.464 - ETA: 4:33 - loss: 3.388 - ETA: 4:33 - loss: 3.345 - ETA: 4:32 - loss: 3.285 - ETA: 4:31 - loss: 3.311 - ETA: 4:32 - loss: 3.344 - ETA: 4:31 - loss: 3.333 - ETA: 4:31 - loss: 3.377 - ETA: 4:31 - loss: 3.305 - ETA: 4:31 - loss: 3.290 - ETA: 4:30 - loss: 3.320 - ETA: 4:30 - loss: 3.359 - ETA: 4:30 - loss: 3.435 - ETA: 4:30 - loss: 3.386 - ETA: 4:30 - loss: 3.426 - ETA: 4:30 - loss: 3.506 - ETA: 4:29 - loss: 3.467 - ETA: 4:29 - loss: 3.463 - ETA: 4:29 - loss: 3.490 - ETA: 4:28 - loss: 3.450 - ETA: 4:28 - loss: 3.419 - ETA: 4:28 - loss: 3.470 - ETA: 4:28 - loss: 3.463 - ETA: 4:27 - loss: 3.436 - ETA: 4:27 - loss: 3.430 - ETA: 4:27 - loss: 3.456 - ETA: 4:27 - loss: 3.479 - ETA: 4:26 - loss: 3.471 - ETA: 4:26 - loss: 3.461 - ETA: 4:26 - loss: 3.416 - ETA: 4:26 - loss: 3.395 - ETA: 4:25 - loss: 3.403 - ETA: 4:25 - loss: 3.415 - ETA: 4:25 - loss: 3.411 - ETA: 4:24 - loss: 3.385 - ETA: 4:24 - loss: 3.506 - ETA: 4:24 - loss: 3.508 - ETA: 4:24 - loss: 3.508 - ETA: 4:23 - loss: 3.514 - ETA: 4:23 - loss: 3.549 - ETA: 4:23 - loss: 3.571 - ETA: 4:22 - loss: 3.585 - ETA: 4:22 - loss: 3.617 - ETA: 4:22 - loss: 3.609 - ETA: 4:21 - loss: 3.643 - ETA: 4:21 - loss: 3.638 - ETA: 4:21 - loss: 3.627 - ETA: 4:21 - loss: 3.611 - ETA: 4:20 - loss: 3.604 - ETA: 4:20 - loss: 3.607 - ETA: 4:20 - loss: 3.621 - ETA: 4:20 - loss: 3.624 - ETA: 4:19 - loss: 3.620 - ETA: 4:19 - loss: 3.632 - ETA: 4:19 - loss: 3.665 - ETA: 4:18 - loss: 3.641 - ETA: 4:18 - loss: 3.645 - ETA: 4:18 - loss: 3.661 - ETA: 4:17 - loss: 3.647 - ETA: 4:17 - loss: 3.641 - ETA: 4:17 - loss: 3.624 - ETA: 4:17 - loss: 3.651 - ETA: 4:16 - loss: 3.652 - ETA: 4:16 - loss: 3.644 - ETA: 4:16 - loss: 3.663 - ETA: 4:15 - loss: 3.659 - ETA: 4:15 - loss: 3.657 - ETA: 4:15 - loss: 3.660 - ETA: 4:15 - loss: 3.636 - ETA: 4:14 - loss: 3.636 - ETA: 4:14 - loss: 3.633 - ETA: 4:14 - loss: 3.631 - ETA: 4:14 - loss: 3.625 - ETA: 4:13 - loss: 3.632 - ETA: 4:13 - loss: 3.625 - ETA: 4:13 - loss: 3.622 - ETA: 4:12 - loss: 3.612 - ETA: 4:12 - loss: 3.604 - ETA: 4:12 - loss: 3.602 - ETA: 4:12 - loss: 3.606 - ETA: 4:11 - loss: 3.603 - ETA: 4:11 - loss: 3.614 - ETA: 4:11 - loss: 3.607 - ETA: 4:11 - loss: 3.615 - ETA: 4:10 - loss: 3.609 - ETA: 4:10 - loss: 3.609 - ETA: 4:10 - loss: 3.624 - ETA: 4:09 - loss: 3.618 - ETA: 4:09 - loss: 3.610 - ETA: 4:09 - loss: 3.600 - ETA: 4:08 - loss: 3.584 - ETA: 4:08 - loss: 3.576 - ETA: 4:08 - loss: 3.594 - ETA: 4:08 - loss: 3.588 - ETA: 4:07 - loss: 3.584 - ETA: 4:07 - loss: 3.587 - ETA: 4:07 - loss: 3.579 - ETA: 4:07 - loss: 3.574 - ETA: 4:06 - loss: 3.570 - ETA: 4:06 - loss: 3.559 - ETA: 4:06 - loss: 3.555 - ETA: 4:05 - loss: 3.539 - ETA: 4:05 - loss: 3.524 - ETA: 4:05 - loss: 3.528 - ETA: 4:05 - loss: 3.543 - ETA: 4:04 - loss: 3.544 - ETA: 4:04 - loss: 3.559 - ETA: 4:04 - loss: 3.560 - ETA: 4:03 - loss: 3.561 - ETA: 4:03 - loss: 3.559 - ETA: 4:03 - loss: 3.562 - ETA: 4:03 - loss: 3.556 - ETA: 4:02 - loss: 3.554 - ETA: 4:02 - loss: 3.550 - ETA: 4:02 - loss: 3.543 - ETA: 4:01 - loss: 3.550 - ETA: 4:01 - loss: 3.554 - ETA: 4:01 - loss: 3.553 - ETA: 4:01 - loss: 3.554 - ETA: 4:00 - loss: 3.556 - ETA: 4:00 - loss: 3.548 - ETA: 4:00 - loss: 3.552 - ETA: 3:59 - loss: 3.547 - ETA: 3:59 - loss: 3.543 - ETA: 3:59 - loss: 3.549 - ETA: 3:58 - loss: 3.557 - ETA: 3:58 - loss: 3.550 - ETA: 3:58 - loss: 3.557 - ETA: 3:58 - loss: 3.567 - ETA: 3:57 - loss: 3.565 - ETA: 3:57 - loss: 3.561 - ETA: 3:57 - loss: 3.559 - ETA: 3:57 - loss: 3.570 - ETA: 3:56 - loss: 3.559 - ETA: 3:56 - loss: 3.556 - ETA: 3:56 - loss: 3.557 - ETA: 3:55 - loss: 3.554 - ETA: 3:55 - loss: 3.565 - ETA: 3:55 - loss: 3.575 - ETA: 3:55 - loss: 3.571 - ETA: 3:54 - loss: 3.580 - ETA: 3:54 - loss: 3.578 - ETA: 3:54 - loss: 3.574 - ETA: 3:53 - loss: 3.576 - ETA: 3:53 - loss: 3.578 - ETA: 3:53 - loss: 3.575 - ETA: 3:53 - loss: 3.578 - ETA: 3:52 - loss: 3.586 - ETA: 3:52 - loss: 3.595 - ETA: 3:52 - loss: 3.596 - ETA: 3:52 - loss: 3.593 - ETA: 3:51 - loss: 3.594 - ETA: 3:51 - loss: 3.602 - ETA: 3:51 - loss: 3.608 - ETA: 3:50 - loss: 3.605 - ETA: 3:50 - loss: 3.605 - ETA: 3:50 - loss: 3.599 - ETA: 3:49 - loss: 3.594 - ETA: 3:49 - loss: 3.590 - ETA: 3:49 - loss: 3.592 - ETA: 3:49 - loss: 3.595 - ETA: 3:48 - loss: 3.599 - ETA: 3:48 - loss: 3.606 - ETA: 3:48 - loss: 3.598 - ETA: 3:47 - loss: 3.595 - ETA: 3:47 - loss: 3.591 - ETA: 3:47 - loss: 3.585 - ETA: 3:47 - loss: 3.580 - ETA: 3:46 - loss: 3.582 - ETA: 3:46 - loss: 3.579 - ETA: 3:46 - loss: 3.575 - ETA: 3:45 - loss: 3.581 - ETA: 3:45 - loss: 3.586 - ETA: 3:45 - loss: 3.594 - ETA: 3:45 - loss: 3.605 - ETA: 3:44 - loss: 3.601 - ETA: 3:44 - loss: 3.604 - ETA: 3:44 - loss: 3.602 - ETA: 3:43 - loss: 3.598 - ETA: 3:43 - loss: 3.600 - ETA: 3:43 - loss: 3.599 - ETA: 3:43 - loss: 3.597 - ETA: 3:42 - loss: 3.595 - ETA: 3:42 - loss: 3.599 - ETA: 3:42 - loss: 3.607 - ETA: 3:42 - loss: 3.610 - ETA: 3:41 - loss: 3.604 - ETA: 3:41 - loss: 3.603 - ETA: 3:41 - loss: 3.606 - ETA: 3:40 - loss: 3.605 - ETA: 3:40 - loss: 3.600 - ETA: 3:40 - loss: 3.598 - ETA: 3:40 - loss: 3.592 - ETA: 3:39 - loss: 3.593 - ETA: 3:39 - loss: 3.589 - ETA: 3:39 - loss: 3.584 - ETA: 3:38 - loss: 3.579 - ETA: 3:38 - loss: 3.576 - ETA: 3:38 - loss: 3.573 - ETA: 3:38 - loss: 3.576 - ETA: 3:37 - loss: 3.573 - ETA: 3:37 - loss: 3.568 - ETA: 3:37 - loss: 3.565 - ETA: 3:37 - loss: 3.556 - ETA: 3:36 - loss: 3.565 - ETA: 3:36 - loss: 3.561 - ETA: 3:36 - loss: 3.568 - ETA: 3:35 - loss: 3.566 - ETA: 3:35 - loss: 3.563 - ETA: 3:35 - loss: 3.569 - ETA: 3:35 - loss: 3.584 - ETA: 3:34 - loss: 3.582 - ETA: 3:34 - loss: 3.577 - ETA: 3:34 - loss: 3.586 - ETA: 3:33 - loss: 3.584 - ETA: 3:33 - loss: 3.579 - ETA: 3:33 - loss: 3.579 - ETA: 3:33 - loss: 3.584 - ETA: 3:32 - loss: 3.571 - ETA: 3:32 - loss: 3.581 - ETA: 3:32 - loss: 3.580 - ETA: 3:32 - loss: 3.570 - ETA: 3:31 - loss: 3.563 - ETA: 3:31 - loss: 3.561 - ETA: 3:31 - loss: 3.562 - ETA: 3:30 - loss: 3.558 - ETA: 3:30 - loss: 3.567 - ETA: 3:30 - loss: 3.562 - ETA: 3:30 - loss: 3.571 - ETA: 3:29 - loss: 3.570 - ETA: 3:29 - loss: 3.571 - ETA: 3:29 - loss: 3.571 - ETA: 3:28 - loss: 3.573 - ETA: 3:28 - loss: 3.584 - ETA: 3:28 - loss: 3.578 - ETA: 3:28 - loss: 3.570 - ETA: 3:27 - loss: 3.564 - ETA: 3:27 - loss: 3.568 - ETA: 3:27 - loss: 3.563 - ETA: 3:27 - loss: 3.563 - ETA: 3:26 - loss: 3.562 - ETA: 3:26 - loss: 3.569 - ETA: 3:26 - loss: 3.576 - ETA: 3:25 - loss: 3.574 - ETA: 3:25 - loss: 3.572 - ETA: 3:25 - loss: 3.570 - ETA: 3:25 - loss: 3.569 - ETA: 3:24 - loss: 3.578 - ETA: 3:24 - loss: 3.573 - ETA: 3:24 - loss: 3.583 - ETA: 3:23 - loss: 3.582 - ETA: 3:23 - loss: 3.582 - ETA: 3:23 - loss: 3.581 - ETA: 3:23 - loss: 3.581 - ETA: 3:22 - loss: 3.572 - ETA: 3:22 - loss: 3.571 - ETA: 3:22 - loss: 3.564 - ETA: 3:22 - loss: 3.573 - ETA: 3:21 - loss: 3.574 - ETA: 3:21 - loss: 3.575 - ETA: 3:21 - loss: 3.574 - ETA: 3:20 - loss: 3.569 - ETA: 3:20 - loss: 3.565 - ETA: 3:20 - loss: 3.566 - ETA: 3:20 - loss: 3.564 - ETA: 3:19 - loss: 3.558 - ETA: 3:19 - loss: 3.566 - ETA: 3:19 - loss: 3.561 - ETA: 3:18 - loss: 3.571 - ETA: 3:18 - loss: 3.571 - ETA: 3:18 - loss: 3.569 - ETA: 3:18 - loss: 3.566 - ETA: 3:17 - loss: 3.570 - ETA: 3:17 - loss: 3.566 - ETA: 3:17 - loss: 3.567 - ETA: 3:17 - loss: 3.566 - ETA: 3:16 - loss: 3.565 - ETA: 3:16 - loss: 3.561 - ETA: 3:16 - loss: 3.558 - ETA: 3:15 - loss: 3.560 - ETA: 3:15 - loss: 3.560 - ETA: 3:15 - loss: 3.556 - ETA: 3:15 - loss: 3.563 - ETA: 3:14 - loss: 3.565 - ETA: 3:14 - loss: 3.558 - ETA: 3:14 - loss: 3.557 - ETA: 3:13 - loss: 3.561 - ETA: 3:13 - loss: 3.561 - ETA: 3:13 - loss: 3.564 - ETA: 3:13 - loss: 3.562 - ETA: 3:12 - loss: 3.565 - ETA: 3:12 - loss: 3.561 - ETA: 3:12 - loss: 3.563 - ETA: 3:12 - loss: 3.560 - ETA: 3:11 - loss: 3.554 - ETA: 3:11 - loss: 3.553 - ETA: 3:11 - loss: 3.556 - ETA: 3:10 - loss: 3.557 - ETA: 3:10 - loss: 3.558 - ETA: 3:10 - loss: 3.548 - ETA: 3:10 - loss: 3.547 - ETA: 3:09 - loss: 3.5483 628/1000 [=================>............] - ETA: 3:09 - loss: 3.547 - ETA: 3:09 - loss: 3.542 - ETA: 3:09 - loss: 3.535 - ETA: 3:08 - loss: 3.540 - ETA: 3:08 - loss: 3.534 - ETA: 3:08 - loss: 3.534 - ETA: 3:07 - loss: 3.533 - ETA: 3:07 - loss: 3.531 - ETA: 3:07 - loss: 3.531 - ETA: 3:07 - loss: 3.531 - ETA: 3:06 - loss: 3.528 - ETA: 3:06 - loss: 3.526 - ETA: 3:06 - loss: 3.525 - ETA: 3:05 - loss: 3.526 - ETA: 3:05 - loss: 3.521 - ETA: 3:05 - loss: 3.537 - ETA: 3:05 - loss: 3.535 - ETA: 3:04 - loss: 3.541 - ETA: 3:04 - loss: 3.539 - ETA: 3:04 - loss: 3.541 - ETA: 3:04 - loss: 3.544 - ETA: 3:03 - loss: 3.546 - ETA: 3:03 - loss: 3.545 - ETA: 3:03 - loss: 3.548 - ETA: 3:02 - loss: 3.553 - ETA: 3:02 - loss: 3.554 - ETA: 3:02 - loss: 3.563 - ETA: 3:02 - loss: 3.562 - ETA: 3:01 - loss: 3.562 - ETA: 3:01 - loss: 3.560 - ETA: 3:01 - loss: 3.562 - ETA: 3:01 - loss: 3.566 - ETA: 3:00 - loss: 3.562 - ETA: 3:00 - loss: 3.563 - ETA: 3:00 - loss: 3.559 - ETA: 2:59 - loss: 3.561 - ETA: 2:59 - loss: 3.567 - ETA: 2:59 - loss: 3.575 - ETA: 2:59 - loss: 3.573 - ETA: 2:58 - loss: 3.570 - ETA: 2:58 - loss: 3.571 - ETA: 2:58 - loss: 3.574 - ETA: 2:57 - loss: 3.574 - ETA: 2:57 - loss: 3.574 - ETA: 2:57 - loss: 3.571 - ETA: 2:57 - loss: 3.572 - ETA: 2:56 - loss: 3.570 - ETA: 2:56 - loss: 3.568 - ETA: 2:56 - loss: 3.572 - ETA: 2:56 - loss: 3.574 - ETA: 2:55 - loss: 3.575 - ETA: 2:55 - loss: 3.573 - ETA: 2:55 - loss: 3.567 - ETA: 2:54 - loss: 3.567 - ETA: 2:54 - loss: 3.569 - ETA: 2:54 - loss: 3.570 - ETA: 2:54 - loss: 3.569 - ETA: 2:53 - loss: 3.565 - ETA: 2:53 - loss: 3.564 - ETA: 2:53 - loss: 3.567 - ETA: 2:52 - loss: 3.565 - ETA: 2:52 - loss: 3.561 - ETA: 2:52 - loss: 3.558 - ETA: 2:52 - loss: 3.553 - ETA: 2:51 - loss: 3.552 - ETA: 2:51 - loss: 3.553 - ETA: 2:51 - loss: 3.551 - ETA: 2:51 - loss: 3.551 - ETA: 2:50 - loss: 3.550 - ETA: 2:50 - loss: 3.551 - ETA: 2:50 - loss: 3.553 - ETA: 2:49 - loss: 3.557 - ETA: 2:49 - loss: 3.561 - ETA: 2:49 - loss: 3.559 - ETA: 2:49 - loss: 3.556 - ETA: 2:48 - loss: 3.554 - ETA: 2:48 - loss: 3.557 - ETA: 2:48 - loss: 3.561 - ETA: 2:47 - loss: 3.562 - ETA: 2:47 - loss: 3.577 - ETA: 2:47 - loss: 3.575 - ETA: 2:47 - loss: 3.577 - ETA: 2:46 - loss: 3.576 - ETA: 2:46 - loss: 3.572 - ETA: 2:46 - loss: 3.567 - ETA: 2:46 - loss: 3.577 - ETA: 2:45 - loss: 3.576 - ETA: 2:45 - loss: 3.579 - ETA: 2:45 - loss: 3.575 - ETA: 2:44 - loss: 3.579 - ETA: 2:44 - loss: 3.578 - ETA: 2:44 - loss: 3.575 - ETA: 2:44 - loss: 3.573 - ETA: 2:43 - loss: 3.572 - ETA: 2:43 - loss: 3.570 - ETA: 2:43 - loss: 3.569 - ETA: 2:42 - loss: 3.573 - ETA: 2:42 - loss: 3.571 - ETA: 2:42 - loss: 3.570 - ETA: 2:42 - loss: 3.571 - ETA: 2:41 - loss: 3.576 - ETA: 2:41 - loss: 3.574 - ETA: 2:41 - loss: 3.574 - ETA: 2:41 - loss: 3.572 - ETA: 2:40 - loss: 3.574 - ETA: 2:40 - loss: 3.571 - ETA: 2:40 - loss: 3.573 - ETA: 2:39 - loss: 3.575 - ETA: 2:39 - loss: 3.576 - ETA: 2:39 - loss: 3.577 - ETA: 2:39 - loss: 3.576 - ETA: 2:38 - loss: 3.572 - ETA: 2:38 - loss: 3.571 - ETA: 2:38 - loss: 3.567 - ETA: 2:38 - loss: 3.565 - ETA: 2:37 - loss: 3.566 - ETA: 2:37 - loss: 3.570 - ETA: 2:37 - loss: 3.569 - ETA: 2:36 - loss: 3.567 - ETA: 2:36 - loss: 3.562 - ETA: 2:36 - loss: 3.561 - ETA: 2:36 - loss: 3.559 - ETA: 2:35 - loss: 3.557 - ETA: 2:35 - loss: 3.557 - ETA: 2:35 - loss: 3.553 - ETA: 2:34 - loss: 3.553 - ETA: 2:34 - loss: 3.551 - ETA: 2:34 - loss: 3.554 - ETA: 2:34 - loss: 3.553 - ETA: 2:33 - loss: 3.553 - ETA: 2:33 - loss: 3.554 - ETA: 2:33 - loss: 3.552 - ETA: 2:33 - loss: 3.553 - ETA: 2:32 - loss: 3.554 - ETA: 2:32 - loss: 3.553 - ETA: 2:32 - loss: 3.549 - ETA: 2:31 - loss: 3.548 - ETA: 2:31 - loss: 3.550 - ETA: 2:31 - loss: 3.548 - ETA: 2:31 - loss: 3.546 - ETA: 2:30 - loss: 3.549 - ETA: 2:30 - loss: 3.545 - ETA: 2:30 - loss: 3.545 - ETA: 2:29 - loss: 3.550 - ETA: 2:29 - loss: 3.552 - ETA: 2:29 - loss: 3.553 - ETA: 2:29 - loss: 3.552 - ETA: 2:28 - loss: 3.550 - ETA: 2:28 - loss: 3.553 - ETA: 2:28 - loss: 3.556 - ETA: 2:28 - loss: 3.556 - ETA: 2:27 - loss: 3.556 - ETA: 2:27 - loss: 3.554 - ETA: 2:27 - loss: 3.553 - ETA: 2:26 - loss: 3.553 - ETA: 2:26 - loss: 3.552 - ETA: 2:26 - loss: 3.555 - ETA: 2:26 - loss: 3.554 - ETA: 2:25 - loss: 3.551 - ETA: 2:25 - loss: 3.549 - ETA: 2:25 - loss: 3.547 - ETA: 2:25 - loss: 3.544 - ETA: 2:24 - loss: 3.545 - ETA: 2:24 - loss: 3.543 - ETA: 2:24 - loss: 3.541 - ETA: 2:23 - loss: 3.539 - ETA: 2:23 - loss: 3.536 - ETA: 2:23 - loss: 3.535 - ETA: 2:23 - loss: 3.534 - ETA: 2:22 - loss: 3.533 - ETA: 2:22 - loss: 3.533 - ETA: 2:22 - loss: 3.532 - ETA: 2:21 - loss: 3.550 - ETA: 2:21 - loss: 3.549 - ETA: 2:21 - loss: 3.548 - ETA: 2:21 - loss: 3.546 - ETA: 2:20 - loss: 3.544 - ETA: 2:20 - loss: 3.546 - ETA: 2:20 - loss: 3.542 - ETA: 2:20 - loss: 3.542 - ETA: 2:19 - loss: 3.544 - ETA: 2:19 - loss: 3.544 - ETA: 2:19 - loss: 3.545 - ETA: 2:18 - loss: 3.546 - ETA: 2:18 - loss: 3.545 - ETA: 2:18 - loss: 3.546 - ETA: 2:18 - loss: 3.547 - ETA: 2:17 - loss: 3.547 - ETA: 2:17 - loss: 3.548 - ETA: 2:17 - loss: 3.550 - ETA: 2:17 - loss: 3.553 - ETA: 2:16 - loss: 3.553 - ETA: 2:16 - loss: 3.551 - ETA: 2:16 - loss: 3.553 - ETA: 2:15 - loss: 3.551 - ETA: 2:15 - loss: 3.547 - ETA: 2:15 - loss: 3.546 - ETA: 2:15 - loss: 3.540 - ETA: 2:14 - loss: 3.541 - ETA: 2:14 - loss: 3.543 - ETA: 2:14 - loss: 3.542 - ETA: 2:13 - loss: 3.542 - ETA: 2:13 - loss: 3.545 - ETA: 2:13 - loss: 3.543 - ETA: 2:13 - loss: 3.541 - ETA: 2:12 - loss: 3.542 - ETA: 2:12 - loss: 3.544 - ETA: 2:12 - loss: 3.545 - ETA: 2:12 - loss: 3.539 - ETA: 2:11 - loss: 3.537 - ETA: 2:11 - loss: 3.536 - ETA: 2:11 - loss: 3.534 - ETA: 2:10 - loss: 3.533 - ETA: 2:10 - loss: 3.533 - ETA: 2:10 - loss: 3.531 - ETA: 2:10 - loss: 3.534 - ETA: 2:09 - loss: 3.532 - ETA: 2:09 - loss: 3.530 - ETA: 2:09 - loss: 3.531 - ETA: 2:08 - loss: 3.530 - ETA: 2:08 - loss: 3.527 - ETA: 2:08 - loss: 3.527 - ETA: 2:08 - loss: 3.529 - ETA: 2:07 - loss: 3.528 - ETA: 2:07 - loss: 3.530 - ETA: 2:07 - loss: 3.529 - ETA: 2:07 - loss: 3.529 - ETA: 2:06 - loss: 3.527 - ETA: 2:06 - loss: 3.527 - ETA: 2:06 - loss: 3.526 - ETA: 2:05 - loss: 3.525 - ETA: 2:05 - loss: 3.523 - ETA: 2:05 - loss: 3.521 - ETA: 2:05 - loss: 3.520 - ETA: 2:04 - loss: 3.518 - ETA: 2:04 - loss: 3.517 - ETA: 2:04 - loss: 3.515 - ETA: 2:03 - loss: 3.515 - ETA: 2:03 - loss: 3.513 - ETA: 2:03 - loss: 3.514 - ETA: 2:03 - loss: 3.521 - ETA: 2:02 - loss: 3.518 - ETA: 2:02 - loss: 3.517 - ETA: 2:02 - loss: 3.519 - ETA: 2:02 - loss: 3.518 - ETA: 2:01 - loss: 3.515 - ETA: 2:01 - loss: 3.519 - ETA: 2:01 - loss: 3.518 - ETA: 2:00 - loss: 3.518 - ETA: 2:00 - loss: 3.517 - ETA: 2:00 - loss: 3.518 - ETA: 2:00 - loss: 3.518 - ETA: 1:59 - loss: 3.518 - ETA: 1:59 - loss: 3.517 - ETA: 1:59 - loss: 3.515 - ETA: 1:58 - loss: 3.518 - ETA: 1:58 - loss: 3.518 - ETA: 1:58 - loss: 3.515 - ETA: 1:58 - loss: 3.518 - ETA: 1:57 - loss: 3.516 - ETA: 1:57 - loss: 3.514 - ETA: 1:57 - loss: 3.513 - ETA: 1:57 - loss: 3.512 - ETA: 1:56 - loss: 3.512 - ETA: 1:56 - loss: 3.511 - ETA: 1:56 - loss: 3.517 - ETA: 1:55 - loss: 3.517 - ETA: 1:55 - loss: 3.516 - ETA: 1:55 - loss: 3.514 - ETA: 1:55 - loss: 3.512 - ETA: 1:54 - loss: 3.508 - ETA: 1:54 - loss: 3.508 - ETA: 1:54 - loss: 3.505 - ETA: 1:53 - loss: 3.504 - ETA: 1:53 - loss: 3.506 - ETA: 1:53 - loss: 3.507 - ETA: 1:53 - loss: 3.505 - ETA: 1:52 - loss: 3.505 - ETA: 1:52 - loss: 3.506 - ETA: 1:52 - loss: 3.506 - ETA: 1:52 - loss: 3.505 - ETA: 1:51 - loss: 3.505 - ETA: 1:51 - loss: 3.503 - ETA: 1:51 - loss: 3.504 - ETA: 1:50 - loss: 3.503 - ETA: 1:50 - loss: 3.502 - ETA: 1:50 - loss: 3.503 - ETA: 1:50 - loss: 3.501 - ETA: 1:49 - loss: 3.499 - ETA: 1:49 - loss: 3.497 - ETA: 1:49 - loss: 3.501 - ETA: 1:48 - loss: 3.502 - ETA: 1:48 - loss: 3.506 - ETA: 1:48 - loss: 3.506 - ETA: 1:48 - loss: 3.503 - ETA: 1:47 - loss: 3.504 - ETA: 1:47 - loss: 3.502 - ETA: 1:47 - loss: 3.502 - ETA: 1:47 - loss: 3.499 - ETA: 1:46 - loss: 3.501 - ETA: 1:46 - loss: 3.501 - ETA: 1:46 - loss: 3.502 - ETA: 1:45 - loss: 3.501 - ETA: 1:45 - loss: 3.499 - ETA: 1:45 - loss: 3.495 - ETA: 1:45 - loss: 3.494 - ETA: 1:44 - loss: 3.499 - ETA: 1:44 - loss: 3.497 - ETA: 1:44 - loss: 3.494 - ETA: 1:43 - loss: 3.496 - ETA: 1:43 - loss: 3.494 - ETA: 1:43 - loss: 3.495 - ETA: 1:43 - loss: 3.495 - ETA: 1:42 - loss: 3.4963 952/1000 [===========================>..] - ETA: 1:42 - loss: 3.494 - ETA: 1:42 - loss: 3.495 - ETA: 1:42 - loss: 3.494 - ETA: 1:41 - loss: 3.494 - ETA: 1:41 - loss: 3.493 - ETA: 1:41 - loss: 3.492 - ETA: 1:40 - loss: 3.495 - ETA: 1:40 - loss: 3.503 - ETA: 1:40 - loss: 3.502 - ETA: 1:40 - loss: 3.501 - ETA: 1:39 - loss: 3.501 - ETA: 1:39 - loss: 3.501 - ETA: 1:39 - loss: 3.506 - ETA: 1:38 - loss: 3.505 - ETA: 1:38 - loss: 3.505 - ETA: 1:38 - loss: 3.505 - ETA: 1:38 - loss: 3.505 - ETA: 1:37 - loss: 3.505 - ETA: 1:37 - loss: 3.510 - ETA: 1:37 - loss: 3.508 - ETA: 1:37 - loss: 3.509 - ETA: 1:36 - loss: 3.507 - ETA: 1:36 - loss: 3.505 - ETA: 1:36 - loss: 3.506 - ETA: 1:35 - loss: 3.510 - ETA: 1:35 - loss: 3.510 - ETA: 1:35 - loss: 3.510 - ETA: 1:35 - loss: 3.510 - ETA: 1:34 - loss: 3.507 - ETA: 1:34 - loss: 3.511 - ETA: 1:34 - loss: 3.509 - ETA: 1:34 - loss: 3.509 - ETA: 1:33 - loss: 3.508 - ETA: 1:33 - loss: 3.507 - ETA: 1:33 - loss: 3.509 - ETA: 1:32 - loss: 3.508 - ETA: 1:32 - loss: 3.507 - ETA: 1:32 - loss: 3.506 - ETA: 1:32 - loss: 3.506 - ETA: 1:31 - loss: 3.504 - ETA: 1:31 - loss: 3.502 - ETA: 1:31 - loss: 3.501 - ETA: 1:30 - loss: 3.503 - ETA: 1:30 - loss: 3.502 - ETA: 1:30 - loss: 3.502 - ETA: 1:30 - loss: 3.501 - ETA: 1:29 - loss: 3.504 - ETA: 1:29 - loss: 3.502 - ETA: 1:29 - loss: 3.502 - ETA: 1:29 - loss: 3.503 - ETA: 1:28 - loss: 3.501 - ETA: 1:28 - loss: 3.499 - ETA: 1:28 - loss: 3.500 - ETA: 1:27 - loss: 3.500 - ETA: 1:27 - loss: 3.497 - ETA: 1:27 - loss: 3.500 - ETA: 1:27 - loss: 3.500 - ETA: 1:26 - loss: 3.499 - ETA: 1:26 - loss: 3.501 - ETA: 1:26 - loss: 3.504 - ETA: 1:25 - loss: 3.503 - ETA: 1:25 - loss: 3.502 - ETA: 1:25 - loss: 3.502 - ETA: 1:25 - loss: 3.501 - ETA: 1:24 - loss: 3.499 - ETA: 1:24 - loss: 3.499 - ETA: 1:24 - loss: 3.499 - ETA: 1:24 - loss: 3.500 - ETA: 1:25 - loss: 3.498 - ETA: 1:25 - loss: 3.499 - ETA: 1:26 - loss: 3.498 - ETA: 1:26 - loss: 3.499 - ETA: 1:27 - loss: 3.499 - ETA: 1:27 - loss: 3.500 - ETA: 1:28 - loss: 3.501 - ETA: 1:28 - loss: 3.500 - ETA: 1:29 - loss: 3.498 - ETA: 1:29 - loss: 3.497 - ETA: 1:30 - loss: 3.496 - ETA: 1:30 - loss: 3.497 - ETA: 1:31 - loss: 3.497 - ETA: 1:31 - loss: 3.498 - ETA: 1:31 - loss: 3.496 - ETA: 1:32 - loss: 3.496 - ETA: 1:32 - loss: 3.493 - ETA: 1:32 - loss: 3.492 - ETA: 1:33 - loss: 3.490 - ETA: 1:33 - loss: 3.490 - ETA: 1:33 - loss: 3.488 - ETA: 1:32 - loss: 3.486 - ETA: 1:32 - loss: 3.484 - ETA: 1:32 - loss: 3.482 - ETA: 1:31 - loss: 3.482 - ETA: 1:31 - loss: 3.480 - ETA: 1:31 - loss: 3.479 - ETA: 1:30 - loss: 3.477 - ETA: 1:30 - loss: 3.477 - ETA: 1:30 - loss: 3.475 - ETA: 1:29 - loss: 3.473 - ETA: 1:29 - loss: 3.473 - ETA: 1:29 - loss: 3.471 - ETA: 1:28 - loss: 3.471 - ETA: 1:28 - loss: 3.472 - ETA: 1:28 - loss: 3.475 - ETA: 1:27 - loss: 3.475 - ETA: 1:27 - loss: 3.475 - ETA: 1:27 - loss: 3.473 - ETA: 1:26 - loss: 3.473 - ETA: 1:26 - loss: 3.473 - ETA: 1:25 - loss: 3.471 - ETA: 1:25 - loss: 3.473 - ETA: 1:25 - loss: 3.472 - ETA: 1:24 - loss: 3.471 - ETA: 1:24 - loss: 3.472 - ETA: 1:24 - loss: 3.471 - ETA: 1:23 - loss: 3.471 - ETA: 1:23 - loss: 3.470 - ETA: 1:23 - loss: 3.470 - ETA: 1:22 - loss: 3.472 - ETA: 1:22 - loss: 3.471 - ETA: 1:22 - loss: 3.468 - ETA: 1:21 - loss: 3.469 - ETA: 1:21 - loss: 3.468 - ETA: 1:21 - loss: 3.467 - ETA: 1:20 - loss: 3.467 - ETA: 1:20 - loss: 3.465 - ETA: 1:20 - loss: 3.466 - ETA: 1:19 - loss: 3.469 - ETA: 1:19 - loss: 3.467 - ETA: 1:19 - loss: 3.468 - ETA: 1:18 - loss: 3.469 - ETA: 1:18 - loss: 3.470 - ETA: 1:18 - loss: 3.471 - ETA: 1:17 - loss: 3.471 - ETA: 1:17 - loss: 3.470 - ETA: 1:17 - loss: 3.473 - ETA: 1:16 - loss: 3.475 - ETA: 1:16 - loss: 3.474 - ETA: 1:15 - loss: 3.473 - ETA: 1:15 - loss: 3.473 - ETA: 1:15 - loss: 3.473 - ETA: 1:14 - loss: 3.473 - ETA: 1:14 - loss: 3.473 - ETA: 1:14 - loss: 3.470 - ETA: 1:13 - loss: 3.470 - ETA: 1:13 - loss: 3.470 - ETA: 1:13 - loss: 3.469 - ETA: 1:12 - loss: 3.470 - ETA: 1:12 - loss: 3.470 - ETA: 1:12 - loss: 3.469 - ETA: 1:11 - loss: 3.465 - ETA: 1:11 - loss: 3.466 - ETA: 1:11 - loss: 3.467 - ETA: 1:10 - loss: 3.466 - ETA: 1:10 - loss: 3.466 - ETA: 1:10 - loss: 3.465 - ETA: 1:09 - loss: 3.465 - ETA: 1:09 - loss: 3.467 - ETA: 1:09 - loss: 3.467 - ETA: 1:08 - loss: 3.473 - ETA: 1:08 - loss: 3.472 - ETA: 1:08 - loss: 3.472 - ETA: 1:07 - loss: 3.472 - ETA: 1:07 - loss: 3.473 - ETA: 1:07 - loss: 3.473 - ETA: 1:06 - loss: 3.481 - ETA: 1:06 - loss: 3.483 - ETA: 1:06 - loss: 3.484 - ETA: 1:05 - loss: 3.483 - ETA: 1:05 - loss: 3.485 - ETA: 1:05 - loss: 3.486 - ETA: 1:04 - loss: 3.487 - ETA: 1:04 - loss: 3.487 - ETA: 1:04 - loss: 3.487 - ETA: 1:03 - loss: 3.487 - ETA: 1:03 - loss: 3.486 - ETA: 1:03 - loss: 3.489 - ETA: 1:02 - loss: 3.490 - ETA: 1:02 - loss: 3.489 - ETA: 1:02 - loss: 3.489 - ETA: 1:01 - loss: 3.487 - ETA: 1:01 - loss: 3.487 - ETA: 1:01 - loss: 3.486 - ETA: 1:00 - loss: 3.485 - ETA: 1:00 - loss: 3.486 - ETA: 1:00 - loss: 3.486 - ETA: 59s - loss: 3.488 - ETA: 59s - loss: 3.48 - ETA: 59s - loss: 3.48 - ETA: 58s - loss: 3.48 - ETA: 58s - loss: 3.49 - ETA: 58s - loss: 3.49 - ETA: 57s - loss: 3.49 - ETA: 57s - loss: 3.49 - ETA: 57s - loss: 3.49 - ETA: 56s - loss: 3.49 - ETA: 56s - loss: 3.49 - ETA: 56s - loss: 3.49 - ETA: 55s - loss: 3.49 - ETA: 55s - loss: 3.49 - ETA: 55s - loss: 3.49 - ETA: 54s - loss: 3.49 - ETA: 54s - loss: 3.49 - ETA: 54s - loss: 3.49 - ETA: 53s - loss: 3.49 - ETA: 53s - loss: 3.49 - ETA: 53s - loss: 3.49 - ETA: 52s - loss: 3.49 - ETA: 52s - loss: 3.49 - ETA: 52s - loss: 3.49 - ETA: 51s - loss: 3.49 - ETA: 51s - loss: 3.49 - ETA: 51s - loss: 3.49 - ETA: 50s - loss: 3.48 - ETA: 50s - loss: 3.49 - ETA: 50s - loss: 3.49 - ETA: 49s - loss: 3.49 - ETA: 49s - loss: 3.49 - ETA: 49s - loss: 3.49 - ETA: 48s - loss: 3.49 - ETA: 48s - loss: 3.49 - ETA: 48s - loss: 3.49 - ETA: 47s - loss: 3.49 - ETA: 47s - loss: 3.49 - ETA: 47s - loss: 3.49 - ETA: 46s - loss: 3.49 - ETA: 46s - loss: 3.49 - ETA: 46s - loss: 3.49 - ETA: 45s - loss: 3.48 - ETA: 45s - loss: 3.49 - ETA: 45s - loss: 3.48 - ETA: 44s - loss: 3.48 - ETA: 44s - loss: 3.48 - ETA: 44s - loss: 3.48 - ETA: 43s - loss: 3.48 - ETA: 43s - loss: 3.48 - ETA: 43s - loss: 3.48 - ETA: 42s - loss: 3.48 - ETA: 42s - loss: 3.48 - ETA: 42s - loss: 3.48 - ETA: 41s - loss: 3.48 - ETA: 41s - loss: 3.48 - ETA: 41s - loss: 3.47 - ETA: 40s - loss: 3.47 - ETA: 40s - loss: 3.47 - ETA: 40s - loss: 3.47 - ETA: 39s - loss: 3.48 - ETA: 39s - loss: 3.48 - ETA: 39s - loss: 3.48 - ETA: 38s - loss: 3.48 - ETA: 38s - loss: 3.48 - ETA: 38s - loss: 3.48 - ETA: 38s - loss: 3.48 - ETA: 37s - loss: 3.48 - ETA: 37s - loss: 3.48 - ETA: 37s - loss: 3.48 - ETA: 36s - loss: 3.48 - ETA: 36s - loss: 3.48 - ETA: 36s - loss: 3.48 - ETA: 35s - loss: 3.48 - ETA: 35s - loss: 3.48 - ETA: 35s - loss: 3.48 - ETA: 34s - loss: 3.49 - ETA: 34s - loss: 3.49 - ETA: 34s - loss: 3.49 - ETA: 33s - loss: 3.49 - ETA: 33s - loss: 3.49 - ETA: 33s - loss: 3.49 - ETA: 32s - loss: 3.49 - ETA: 32s - loss: 3.49 - ETA: 32s - loss: 3.49 - ETA: 31s - loss: 3.49 - ETA: 31s - loss: 3.49 - ETA: 31s - loss: 3.49 - ETA: 30s - loss: 3.49 - ETA: 30s - loss: 3.49 - ETA: 30s - loss: 3.48 - ETA: 29s - loss: 3.48 - ETA: 29s - loss: 3.48 - ETA: 29s - loss: 3.48 - ETA: 28s - loss: 3.48 - ETA: 28s - loss: 3.48 - ETA: 28s - loss: 3.48 - ETA: 27s - loss: 3.48 - ETA: 27s - loss: 3.49 - ETA: 27s - loss: 3.49 - ETA: 27s - loss: 3.49 - ETA: 26s - loss: 3.49 - ETA: 26s - loss: 3.49 - ETA: 26s - loss: 3.49 - ETA: 25s - loss: 3.49 - ETA: 25s - loss: 3.49 - ETA: 25s - loss: 3.48 - ETA: 24s - loss: 3.48 - ETA: 24s - loss: 3.48 - ETA: 24s - loss: 3.48 - ETA: 23s - loss: 3.48 - ETA: 23s - loss: 3.48 - ETA: 23s - loss: 3.48 - ETA: 22s - loss: 3.48 - ETA: 22s - loss: 3.48 - ETA: 22s - loss: 3.48 - ETA: 21s - loss: 3.48 - ETA: 21s - loss: 3.48 - ETA: 21s - loss: 3.48 - ETA: 20s - loss: 3.48 - ETA: 20s - loss: 3.48 - ETA: 20s - loss: 3.48 - ETA: 19s - loss: 3.48 - ETA: 19s - loss: 3.48 - ETA: 19s - loss: 3.48 - ETA: 19s - loss: 3.48 - ETA: 18s - loss: 3.48 - ETA: 18s - loss: 3.48 - ETA: 18s - loss: 3.48 - ETA: 17s - loss: 3.48 - ETA: 17s - loss: 3.48 - ETA: 17s - loss: 3.48 - ETA: 16s - loss: 3.48 - ETA: 16s - loss: 3.48 - ETA: 16s - loss: 3.48 - ETA: 15s - loss: 3.48 - ETA: 15s - loss: 3.48 - ETA: 15s - loss: 3.4803"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "1000/1000 [==============================] - ETA: 14s - loss: 3.47 - ETA: 14s - loss: 3.47 - ETA: 14s - loss: 3.48 - ETA: 13s - loss: 3.47 - ETA: 13s - loss: 3.47 - ETA: 13s - loss: 3.47 - ETA: 12s - loss: 3.47 - ETA: 12s - loss: 3.47 - ETA: 12s - loss: 3.47 - ETA: 11s - loss: 3.47 - ETA: 11s - loss: 3.47 - ETA: 11s - loss: 3.47 - ETA: 11s - loss: 3.47 - ETA: 10s - loss: 3.47 - ETA: 10s - loss: 3.47 - ETA: 10s - loss: 3.47 - ETA: 9s - loss: 3.4721 - ETA: 9s - loss: 3.471 - ETA: 9s - loss: 3.469 - ETA: 8s - loss: 3.468 - ETA: 8s - loss: 3.468 - ETA: 8s - loss: 3.467 - ETA: 7s - loss: 3.466 - ETA: 7s - loss: 3.465 - ETA: 7s - loss: 3.464 - ETA: 6s - loss: 3.464 - ETA: 6s - loss: 3.463 - ETA: 6s - loss: 3.464 - ETA: 5s - loss: 3.463 - ETA: 5s - loss: 3.463 - ETA: 5s - loss: 3.462 - ETA: 5s - loss: 3.460 - ETA: 4s - loss: 3.461 - ETA: 4s - loss: 3.459 - ETA: 4s - loss: 3.459 - ETA: 3s - loss: 3.458 - ETA: 3s - loss: 3.458 - ETA: 3s - loss: 3.457 - ETA: 2s - loss: 3.459 - ETA: 2s - loss: 3.460 - ETA: 2s - loss: 3.460 - ETA: 1s - loss: 3.459 - ETA: 1s - loss: 3.459 - ETA: 1s - loss: 3.460 - ETA: 0s - loss: 3.459 - ETA: 0s - loss: 3.458 - ETA: 0s - loss: 3.458 - 396s 396ms/step - loss: 3.4589 - val_loss: 3.4038\n",
      "\n",
      "Epoch 00002: val_loss improved from 3.87801 to 3.40380, saving model to ssd300_pascal_07+12_epoch-02_loss-3.4589_val_loss-3.4038.h5\n",
      "Epoch 3/16\n",
      "\n",
      "Epoch 00003: LearningRateScheduler reducing learning rate to 0.0005.\n",
      " 314/1000 [========>.....................] - ETA: 4:33 - loss: 4.464 - ETA: 4:37 - loss: 4.247 - ETA: 4:38 - loss: 3.984 - ETA: 4:35 - loss: 3.934 - ETA: 4:36 - loss: 3.755 - ETA: 4:37 - loss: 3.583 - ETA: 4:34 - loss: 3.550 - ETA: 4:35 - loss: 3.417 - ETA: 4:34 - loss: 3.453 - ETA: 4:34 - loss: 3.351 - ETA: 4:34 - loss: 3.290 - ETA: 4:34 - loss: 3.426 - ETA: 4:32 - loss: 3.511 - ETA: 4:32 - loss: 3.562 - ETA: 4:32 - loss: 3.524 - ETA: 4:32 - loss: 3.626 - ETA: 4:32 - loss: 3.605 - ETA: 4:31 - loss: 3.485 - ETA: 4:31 - loss: 3.483 - ETA: 4:30 - loss: 3.401 - ETA: 4:30 - loss: 3.392 - ETA: 4:30 - loss: 3.365 - ETA: 4:30 - loss: 3.365 - ETA: 4:29 - loss: 3.391 - ETA: 4:29 - loss: 3.310 - ETA: 4:29 - loss: 3.364 - ETA: 4:29 - loss: 3.295 - ETA: 4:28 - loss: 3.331 - ETA: 4:28 - loss: 3.343 - ETA: 4:28 - loss: 3.314 - ETA: 4:28 - loss: 3.283 - ETA: 4:27 - loss: 3.261 - ETA: 4:27 - loss: 3.335 - ETA: 4:26 - loss: 3.311 - ETA: 4:26 - loss: 3.291 - ETA: 4:26 - loss: 3.271 - ETA: 4:26 - loss: 3.270 - ETA: 4:25 - loss: 3.250 - ETA: 4:25 - loss: 3.286 - ETA: 4:25 - loss: 3.280 - ETA: 4:25 - loss: 3.314 - ETA: 4:24 - loss: 3.339 - ETA: 4:24 - loss: 3.302 - ETA: 4:24 - loss: 3.284 - ETA: 4:23 - loss: 3.275 - ETA: 4:23 - loss: 3.276 - ETA: 4:23 - loss: 3.284 - ETA: 4:23 - loss: 3.293 - ETA: 4:22 - loss: 3.288 - ETA: 4:22 - loss: 3.288 - ETA: 4:22 - loss: 3.325 - ETA: 4:22 - loss: 3.322 - ETA: 4:21 - loss: 3.366 - ETA: 4:21 - loss: 3.401 - ETA: 4:21 - loss: 3.384 - ETA: 4:20 - loss: 3.382 - ETA: 4:20 - loss: 3.425 - ETA: 4:20 - loss: 3.465 - ETA: 4:20 - loss: 3.453 - ETA: 4:19 - loss: 3.430 - ETA: 4:19 - loss: 3.426 - ETA: 4:19 - loss: 3.409 - ETA: 4:18 - loss: 3.384 - ETA: 4:18 - loss: 3.377 - ETA: 4:18 - loss: 3.388 - ETA: 4:18 - loss: 3.371 - ETA: 4:17 - loss: 3.375 - ETA: 4:17 - loss: 3.391 - ETA: 4:17 - loss: 3.399 - ETA: 4:17 - loss: 3.376 - ETA: 4:16 - loss: 3.375 - ETA: 4:16 - loss: 3.365 - ETA: 4:16 - loss: 3.355 - ETA: 4:15 - loss: 3.358 - ETA: 4:15 - loss: 3.359 - ETA: 4:15 - loss: 3.400 - ETA: 4:15 - loss: 3.380 - ETA: 4:14 - loss: 3.385 - ETA: 4:14 - loss: 3.361 - ETA: 4:14 - loss: 3.364 - ETA: 4:13 - loss: 3.374 - ETA: 4:13 - loss: 3.382 - ETA: 4:13 - loss: 3.375 - ETA: 4:13 - loss: 3.365 - ETA: 4:12 - loss: 3.437 - ETA: 4:12 - loss: 3.419 - ETA: 4:12 - loss: 3.407 - ETA: 4:11 - loss: 3.408 - ETA: 4:11 - loss: 3.406 - ETA: 4:11 - loss: 3.405 - ETA: 4:11 - loss: 3.402 - ETA: 4:10 - loss: 3.402 - ETA: 4:10 - loss: 3.394 - ETA: 4:10 - loss: 3.392 - ETA: 4:09 - loss: 3.384 - ETA: 4:09 - loss: 3.367 - ETA: 4:09 - loss: 3.363 - ETA: 4:09 - loss: 3.357 - ETA: 4:08 - loss: 3.348 - ETA: 4:08 - loss: 3.349 - ETA: 4:08 - loss: 3.342 - ETA: 4:08 - loss: 3.332 - ETA: 4:07 - loss: 3.319 - ETA: 4:07 - loss: 3.319 - ETA: 4:07 - loss: 3.329 - ETA: 4:06 - loss: 3.328 - ETA: 4:06 - loss: 3.332 - ETA: 4:06 - loss: 3.335 - ETA: 4:06 - loss: 3.325 - ETA: 4:05 - loss: 3.366 - ETA: 4:05 - loss: 3.351 - ETA: 4:05 - loss: 3.335 - ETA: 4:04 - loss: 3.335 - ETA: 4:04 - loss: 3.332 - ETA: 4:04 - loss: 3.338 - ETA: 4:04 - loss: 3.356 - ETA: 4:03 - loss: 3.343 - ETA: 4:03 - loss: 3.337 - ETA: 4:03 - loss: 3.326 - ETA: 4:02 - loss: 3.322 - ETA: 4:02 - loss: 3.319 - ETA: 4:02 - loss: 3.320 - ETA: 4:02 - loss: 3.311 - ETA: 4:01 - loss: 3.314 - ETA: 4:01 - loss: 3.300 - ETA: 4:01 - loss: 3.299 - ETA: 4:00 - loss: 3.300 - ETA: 4:00 - loss: 3.306 - ETA: 4:00 - loss: 3.320 - ETA: 4:00 - loss: 3.313 - ETA: 3:59 - loss: 3.335 - ETA: 3:59 - loss: 3.349 - ETA: 3:59 - loss: 3.358 - ETA: 3:59 - loss: 3.350 - ETA: 3:58 - loss: 3.349 - ETA: 3:58 - loss: 3.358 - ETA: 3:58 - loss: 3.373 - ETA: 3:57 - loss: 3.365 - ETA: 3:57 - loss: 3.358 - ETA: 3:57 - loss: 3.355 - ETA: 3:57 - loss: 3.348 - ETA: 3:56 - loss: 3.354 - ETA: 3:56 - loss: 3.354 - ETA: 3:56 - loss: 3.352 - ETA: 3:55 - loss: 3.354 - ETA: 3:55 - loss: 3.361 - ETA: 3:55 - loss: 3.365 - ETA: 3:55 - loss: 3.358 - ETA: 3:54 - loss: 3.358 - ETA: 3:54 - loss: 3.348 - ETA: 3:54 - loss: 3.341 - ETA: 3:53 - loss: 3.334 - ETA: 3:53 - loss: 3.327 - ETA: 3:53 - loss: 3.320 - ETA: 3:53 - loss: 3.323 - ETA: 3:52 - loss: 3.317 - ETA: 3:52 - loss: 3.316 - ETA: 3:52 - loss: 3.306 - ETA: 3:52 - loss: 3.305 - ETA: 3:51 - loss: 3.295 - ETA: 3:51 - loss: 3.290 - ETA: 3:51 - loss: 3.292 - ETA: 3:50 - loss: 3.281 - ETA: 3:50 - loss: 3.270 - ETA: 3:50 - loss: 3.274 - ETA: 3:50 - loss: 3.275 - ETA: 3:49 - loss: 3.267 - ETA: 3:49 - loss: 3.293 - ETA: 3:49 - loss: 3.294 - ETA: 3:48 - loss: 3.289 - ETA: 3:48 - loss: 3.295 - ETA: 3:48 - loss: 3.296 - ETA: 3:48 - loss: 3.289 - ETA: 3:47 - loss: 3.280 - ETA: 3:47 - loss: 3.284 - ETA: 3:47 - loss: 3.288 - ETA: 3:46 - loss: 3.283 - ETA: 3:46 - loss: 3.291 - ETA: 3:46 - loss: 3.305 - ETA: 3:46 - loss: 3.303 - ETA: 3:45 - loss: 3.301 - ETA: 3:45 - loss: 3.301 - ETA: 3:45 - loss: 3.295 - ETA: 3:45 - loss: 3.285 - ETA: 3:44 - loss: 3.274 - ETA: 3:44 - loss: 3.281 - ETA: 3:44 - loss: 3.276 - ETA: 3:44 - loss: 3.276 - ETA: 3:43 - loss: 3.269 - ETA: 3:43 - loss: 3.271 - ETA: 3:43 - loss: 3.273 - ETA: 3:42 - loss: 3.262 - ETA: 3:42 - loss: 3.264 - ETA: 3:42 - loss: 3.264 - ETA: 3:42 - loss: 3.269 - ETA: 3:41 - loss: 3.272 - ETA: 3:41 - loss: 3.269 - ETA: 3:41 - loss: 3.265 - ETA: 3:40 - loss: 3.258 - ETA: 3:40 - loss: 3.258 - ETA: 3:40 - loss: 3.251 - ETA: 3:40 - loss: 3.260 - ETA: 3:39 - loss: 3.265 - ETA: 3:39 - loss: 3.267 - ETA: 3:39 - loss: 3.267 - ETA: 3:39 - loss: 3.260 - ETA: 3:38 - loss: 3.262 - ETA: 3:38 - loss: 3.258 - ETA: 3:38 - loss: 3.260 - ETA: 3:37 - loss: 3.273 - ETA: 3:37 - loss: 3.272 - ETA: 3:37 - loss: 3.265 - ETA: 3:37 - loss: 3.269 - ETA: 3:36 - loss: 3.283 - ETA: 3:36 - loss: 3.279 - ETA: 3:36 - loss: 3.282 - ETA: 3:36 - loss: 3.283 - ETA: 3:35 - loss: 3.278 - ETA: 3:35 - loss: 3.289 - ETA: 3:35 - loss: 3.294 - ETA: 3:34 - loss: 3.295 - ETA: 3:34 - loss: 3.291 - ETA: 3:34 - loss: 3.291 - ETA: 3:34 - loss: 3.294 - ETA: 3:33 - loss: 3.296 - ETA: 3:33 - loss: 3.296 - ETA: 3:33 - loss: 3.295 - ETA: 3:32 - loss: 3.291 - ETA: 3:32 - loss: 3.284 - ETA: 3:32 - loss: 3.282 - ETA: 3:32 - loss: 3.286 - ETA: 3:31 - loss: 3.283 - ETA: 3:31 - loss: 3.290 - ETA: 3:31 - loss: 3.289 - ETA: 3:31 - loss: 3.297 - ETA: 3:30 - loss: 3.292 - ETA: 3:30 - loss: 3.290 - ETA: 3:30 - loss: 3.293 - ETA: 3:29 - loss: 3.289 - ETA: 3:29 - loss: 3.290 - ETA: 3:29 - loss: 3.287 - ETA: 3:29 - loss: 3.304 - ETA: 3:28 - loss: 3.306 - ETA: 3:28 - loss: 3.307 - ETA: 3:28 - loss: 3.307 - ETA: 3:27 - loss: 3.315 - ETA: 3:27 - loss: 3.312 - ETA: 3:27 - loss: 3.305 - ETA: 3:27 - loss: 3.310 - ETA: 3:26 - loss: 3.308 - ETA: 3:26 - loss: 3.310 - ETA: 3:26 - loss: 3.306 - ETA: 3:26 - loss: 3.320 - ETA: 3:25 - loss: 3.315 - ETA: 3:25 - loss: 3.316 - ETA: 3:25 - loss: 3.323 - ETA: 3:24 - loss: 3.324 - ETA: 3:24 - loss: 3.330 - ETA: 3:24 - loss: 3.327 - ETA: 3:24 - loss: 3.324 - ETA: 3:23 - loss: 3.322 - ETA: 3:23 - loss: 3.323 - ETA: 3:23 - loss: 3.322 - ETA: 3:23 - loss: 3.323 - ETA: 3:22 - loss: 3.316 - ETA: 3:22 - loss: 3.318 - ETA: 3:22 - loss: 3.318 - ETA: 3:21 - loss: 3.318 - ETA: 3:21 - loss: 3.319 - ETA: 3:21 - loss: 3.318 - ETA: 3:21 - loss: 3.315 - ETA: 3:20 - loss: 3.313 - ETA: 3:20 - loss: 3.316 - ETA: 3:20 - loss: 3.329 - ETA: 3:20 - loss: 3.332 - ETA: 3:19 - loss: 3.331 - ETA: 3:19 - loss: 3.326 - ETA: 3:19 - loss: 3.323 - ETA: 3:18 - loss: 3.322 - ETA: 3:18 - loss: 3.322 - ETA: 3:18 - loss: 3.318 - ETA: 3:18 - loss: 3.323 - ETA: 3:17 - loss: 3.320 - ETA: 3:17 - loss: 3.321 - ETA: 3:17 - loss: 3.318 - ETA: 3:17 - loss: 3.322 - ETA: 3:16 - loss: 3.319 - ETA: 3:16 - loss: 3.314 - ETA: 3:16 - loss: 3.317 - ETA: 3:15 - loss: 3.312 - ETA: 3:15 - loss: 3.326 - ETA: 3:15 - loss: 3.329 - ETA: 3:15 - loss: 3.324 - ETA: 3:14 - loss: 3.329 - ETA: 3:14 - loss: 3.328 - ETA: 3:14 - loss: 3.330 - ETA: 3:14 - loss: 3.327 - ETA: 3:13 - loss: 3.325 - ETA: 3:13 - loss: 3.321 - ETA: 3:13 - loss: 3.327 - ETA: 3:12 - loss: 3.327 - ETA: 3:12 - loss: 3.323 - ETA: 3:12 - loss: 3.319 - ETA: 3:12 - loss: 3.324 - ETA: 3:11 - loss: 3.323 - ETA: 3:11 - loss: 3.319 - ETA: 3:11 - loss: 3.313 - ETA: 3:10 - loss: 3.314 - ETA: 3:10 - loss: 3.314 - ETA: 3:10 - loss: 3.312 - ETA: 3:10 - loss: 3.311 - ETA: 3:09 - loss: 3.306 - ETA: 3:09 - loss: 3.311 - ETA: 3:09 - loss: 3.3146 628/1000 [=================>............] - ETA: 3:09 - loss: 3.312 - ETA: 3:08 - loss: 3.313 - ETA: 3:08 - loss: 3.319 - ETA: 3:08 - loss: 3.328 - ETA: 3:07 - loss: 3.324 - ETA: 3:07 - loss: 3.329 - ETA: 3:07 - loss: 3.328 - ETA: 3:07 - loss: 3.327 - ETA: 3:06 - loss: 3.329 - ETA: 3:06 - loss: 3.320 - ETA: 3:06 - loss: 3.321 - ETA: 3:06 - loss: 3.318 - ETA: 3:05 - loss: 3.317 - ETA: 3:05 - loss: 3.321 - ETA: 3:05 - loss: 3.330 - ETA: 3:04 - loss: 3.332 - ETA: 3:04 - loss: 3.336 - ETA: 3:04 - loss: 3.338 - ETA: 3:04 - loss: 3.340 - ETA: 3:03 - loss: 3.338 - ETA: 3:03 - loss: 3.338 - ETA: 3:03 - loss: 3.336 - ETA: 3:02 - loss: 3.336 - ETA: 3:02 - loss: 3.337 - ETA: 3:02 - loss: 3.335 - ETA: 3:02 - loss: 3.336 - ETA: 3:01 - loss: 3.340 - ETA: 3:01 - loss: 3.347 - ETA: 3:01 - loss: 3.347 - ETA: 3:01 - loss: 3.343 - ETA: 3:00 - loss: 3.338 - ETA: 3:00 - loss: 3.346 - ETA: 3:00 - loss: 3.343 - ETA: 2:59 - loss: 3.343 - ETA: 2:59 - loss: 3.343 - ETA: 2:59 - loss: 3.341 - ETA: 2:59 - loss: 3.338 - ETA: 2:58 - loss: 3.334 - ETA: 2:58 - loss: 3.330 - ETA: 2:58 - loss: 3.338 - ETA: 2:58 - loss: 3.338 - ETA: 2:57 - loss: 3.338 - ETA: 2:57 - loss: 3.333 - ETA: 2:57 - loss: 3.332 - ETA: 2:56 - loss: 3.332 - ETA: 2:56 - loss: 3.330 - ETA: 2:56 - loss: 3.332 - ETA: 2:56 - loss: 3.330 - ETA: 2:55 - loss: 3.328 - ETA: 2:55 - loss: 3.327 - ETA: 2:55 - loss: 3.326 - ETA: 2:54 - loss: 3.327 - ETA: 2:54 - loss: 3.330 - ETA: 2:54 - loss: 3.334 - ETA: 2:54 - loss: 3.328 - ETA: 2:53 - loss: 3.329 - ETA: 2:53 - loss: 3.332 - ETA: 2:53 - loss: 3.332 - ETA: 2:53 - loss: 3.333 - ETA: 2:52 - loss: 3.337 - ETA: 2:52 - loss: 3.340 - ETA: 2:52 - loss: 3.340 - ETA: 2:51 - loss: 3.338 - ETA: 2:51 - loss: 3.340 - ETA: 2:51 - loss: 3.344 - ETA: 2:51 - loss: 3.349 - ETA: 2:50 - loss: 3.354 - ETA: 2:50 - loss: 3.356 - ETA: 2:50 - loss: 3.358 - ETA: 2:49 - loss: 3.358 - ETA: 2:49 - loss: 3.359 - ETA: 2:49 - loss: 3.355 - ETA: 2:49 - loss: 3.353 - ETA: 2:48 - loss: 3.352 - ETA: 2:48 - loss: 3.349 - ETA: 2:48 - loss: 3.347 - ETA: 2:48 - loss: 3.348 - ETA: 2:47 - loss: 3.345 - ETA: 2:47 - loss: 3.342 - ETA: 2:47 - loss: 3.352 - ETA: 2:46 - loss: 3.353 - ETA: 2:46 - loss: 3.350 - ETA: 2:46 - loss: 3.350 - ETA: 2:46 - loss: 3.350 - ETA: 2:45 - loss: 3.348 - ETA: 2:45 - loss: 3.350 - ETA: 2:45 - loss: 3.353 - ETA: 2:44 - loss: 3.353 - ETA: 2:44 - loss: 3.353 - ETA: 2:44 - loss: 3.359 - ETA: 2:44 - loss: 3.357 - ETA: 2:43 - loss: 3.354 - ETA: 2:43 - loss: 3.356 - ETA: 2:43 - loss: 3.353 - ETA: 2:43 - loss: 3.352 - ETA: 2:42 - loss: 3.353 - ETA: 2:42 - loss: 3.358 - ETA: 2:42 - loss: 3.362 - ETA: 2:41 - loss: 3.367 - ETA: 2:41 - loss: 3.370 - ETA: 2:41 - loss: 3.376 - ETA: 2:41 - loss: 3.374 - ETA: 2:40 - loss: 3.368 - ETA: 2:40 - loss: 3.368 - ETA: 2:40 - loss: 3.365 - ETA: 2:40 - loss: 3.366 - ETA: 2:39 - loss: 3.361 - ETA: 2:39 - loss: 3.362 - ETA: 2:39 - loss: 3.364 - ETA: 2:38 - loss: 3.364 - ETA: 2:38 - loss: 3.362 - ETA: 2:38 - loss: 3.363 - ETA: 2:38 - loss: 3.359 - ETA: 2:37 - loss: 3.356 - ETA: 2:37 - loss: 3.352 - ETA: 2:37 - loss: 3.349 - ETA: 2:36 - loss: 3.345 - ETA: 2:36 - loss: 3.344 - ETA: 2:36 - loss: 3.341 - ETA: 2:36 - loss: 3.339 - ETA: 2:35 - loss: 3.341 - ETA: 2:35 - loss: 3.343 - ETA: 2:35 - loss: 3.342 - ETA: 2:35 - loss: 3.339 - ETA: 2:34 - loss: 3.339 - ETA: 2:34 - loss: 3.339 - ETA: 2:34 - loss: 3.336 - ETA: 2:33 - loss: 3.334 - ETA: 2:33 - loss: 3.332 - ETA: 2:33 - loss: 3.329 - ETA: 2:33 - loss: 3.331 - ETA: 2:32 - loss: 3.335 - ETA: 2:32 - loss: 3.340 - ETA: 2:32 - loss: 3.341 - ETA: 2:32 - loss: 3.339 - ETA: 2:31 - loss: 3.335 - ETA: 2:31 - loss: 3.339 - ETA: 2:31 - loss: 3.340 - ETA: 2:30 - loss: 3.340 - ETA: 2:30 - loss: 3.353 - ETA: 2:30 - loss: 3.351 - ETA: 2:30 - loss: 3.350 - ETA: 2:29 - loss: 3.349 - ETA: 2:29 - loss: 3.351 - ETA: 2:29 - loss: 3.348 - ETA: 2:28 - loss: 3.350 - ETA: 2:28 - loss: 3.349 - ETA: 2:28 - loss: 3.347 - ETA: 2:28 - loss: 3.347 - ETA: 2:27 - loss: 3.345 - ETA: 2:27 - loss: 3.343 - ETA: 2:27 - loss: 3.343 - ETA: 2:27 - loss: 3.340 - ETA: 2:26 - loss: 3.341 - ETA: 2:26 - loss: 3.337 - ETA: 2:26 - loss: 3.341 - ETA: 2:25 - loss: 3.343 - ETA: 2:25 - loss: 3.346 - ETA: 2:25 - loss: 3.345 - ETA: 2:25 - loss: 3.345 - ETA: 2:24 - loss: 3.348 - ETA: 2:24 - loss: 3.349 - ETA: 2:24 - loss: 3.347 - ETA: 2:23 - loss: 3.346 - ETA: 2:23 - loss: 3.346 - ETA: 2:23 - loss: 3.343 - ETA: 2:23 - loss: 3.342 - ETA: 2:22 - loss: 3.338 - ETA: 2:22 - loss: 3.338 - ETA: 2:22 - loss: 3.343 - ETA: 2:22 - loss: 3.341 - ETA: 2:21 - loss: 3.342 - ETA: 2:21 - loss: 3.342 - ETA: 2:21 - loss: 3.342 - ETA: 2:20 - loss: 3.344 - ETA: 2:20 - loss: 3.341 - ETA: 2:20 - loss: 3.341 - ETA: 2:20 - loss: 3.340 - ETA: 2:19 - loss: 3.338 - ETA: 2:19 - loss: 3.337 - ETA: 2:19 - loss: 3.335 - ETA: 2:19 - loss: 3.331 - ETA: 2:18 - loss: 3.333 - ETA: 2:18 - loss: 3.333 - ETA: 2:18 - loss: 3.332 - ETA: 2:17 - loss: 3.328 - ETA: 2:17 - loss: 3.328 - ETA: 2:17 - loss: 3.327 - ETA: 2:17 - loss: 3.324 - ETA: 2:16 - loss: 3.323 - ETA: 2:16 - loss: 3.318 - ETA: 2:16 - loss: 3.319 - ETA: 2:15 - loss: 3.318 - ETA: 2:15 - loss: 3.321 - ETA: 2:15 - loss: 3.319 - ETA: 2:15 - loss: 3.319 - ETA: 2:14 - loss: 3.317 - ETA: 2:14 - loss: 3.314 - ETA: 2:14 - loss: 3.314 - ETA: 2:14 - loss: 3.316 - ETA: 2:13 - loss: 3.314 - ETA: 2:13 - loss: 3.315 - ETA: 2:13 - loss: 3.313 - ETA: 2:12 - loss: 3.317 - ETA: 2:12 - loss: 3.320 - ETA: 2:12 - loss: 3.317 - ETA: 2:12 - loss: 3.317 - ETA: 2:11 - loss: 3.317 - ETA: 2:11 - loss: 3.316 - ETA: 2:11 - loss: 3.317 - ETA: 2:10 - loss: 3.322 - ETA: 2:10 - loss: 3.321 - ETA: 2:10 - loss: 3.318 - ETA: 2:10 - loss: 3.317 - ETA: 2:09 - loss: 3.318 - ETA: 2:09 - loss: 3.317 - ETA: 2:09 - loss: 3.317 - ETA: 2:09 - loss: 3.315 - ETA: 2:08 - loss: 3.318 - ETA: 2:08 - loss: 3.316 - ETA: 2:08 - loss: 3.315 - ETA: 2:07 - loss: 3.312 - ETA: 2:07 - loss: 3.313 - ETA: 2:07 - loss: 3.313 - ETA: 2:07 - loss: 3.317 - ETA: 2:06 - loss: 3.316 - ETA: 2:06 - loss: 3.317 - ETA: 2:06 - loss: 3.317 - ETA: 2:06 - loss: 3.317 - ETA: 2:05 - loss: 3.318 - ETA: 2:05 - loss: 3.320 - ETA: 2:05 - loss: 3.319 - ETA: 2:04 - loss: 3.318 - ETA: 2:04 - loss: 3.316 - ETA: 2:04 - loss: 3.319 - ETA: 2:04 - loss: 3.319 - ETA: 2:03 - loss: 3.318 - ETA: 2:03 - loss: 3.319 - ETA: 2:03 - loss: 3.318 - ETA: 2:02 - loss: 3.321 - ETA: 2:02 - loss: 3.318 - ETA: 2:02 - loss: 3.317 - ETA: 2:02 - loss: 3.315 - ETA: 2:01 - loss: 3.313 - ETA: 2:01 - loss: 3.310 - ETA: 2:01 - loss: 3.313 - ETA: 2:01 - loss: 3.311 - ETA: 2:00 - loss: 3.308 - ETA: 2:00 - loss: 3.307 - ETA: 2:00 - loss: 3.306 - ETA: 1:59 - loss: 3.306 - ETA: 1:59 - loss: 3.306 - ETA: 1:59 - loss: 3.305 - ETA: 1:59 - loss: 3.307 - ETA: 1:58 - loss: 3.304 - ETA: 1:58 - loss: 3.305 - ETA: 1:58 - loss: 3.306 - ETA: 1:58 - loss: 3.306 - ETA: 1:57 - loss: 3.310 - ETA: 1:57 - loss: 3.314 - ETA: 1:57 - loss: 3.314 - ETA: 1:56 - loss: 3.312 - ETA: 1:56 - loss: 3.312 - ETA: 1:56 - loss: 3.310 - ETA: 1:56 - loss: 3.310 - ETA: 1:55 - loss: 3.309 - ETA: 1:55 - loss: 3.306 - ETA: 1:55 - loss: 3.305 - ETA: 1:54 - loss: 3.305 - ETA: 1:54 - loss: 3.304 - ETA: 1:54 - loss: 3.303 - ETA: 1:54 - loss: 3.302 - ETA: 1:53 - loss: 3.302 - ETA: 1:53 - loss: 3.305 - ETA: 1:53 - loss: 3.302 - ETA: 1:53 - loss: 3.301 - ETA: 1:52 - loss: 3.300 - ETA: 1:52 - loss: 3.299 - ETA: 1:52 - loss: 3.296 - ETA: 1:51 - loss: 3.296 - ETA: 1:51 - loss: 3.296 - ETA: 1:51 - loss: 3.296 - ETA: 1:51 - loss: 3.298 - ETA: 1:50 - loss: 3.296 - ETA: 1:50 - loss: 3.296 - ETA: 1:50 - loss: 3.293 - ETA: 1:50 - loss: 3.295 - ETA: 1:49 - loss: 3.294 - ETA: 1:49 - loss: 3.291 - ETA: 1:49 - loss: 3.292 - ETA: 1:48 - loss: 3.290 - ETA: 1:48 - loss: 3.294 - ETA: 1:48 - loss: 3.295 - ETA: 1:48 - loss: 3.292 - ETA: 1:47 - loss: 3.293 - ETA: 1:47 - loss: 3.293 - ETA: 1:47 - loss: 3.291 - ETA: 1:46 - loss: 3.292 - ETA: 1:46 - loss: 3.293 - ETA: 1:46 - loss: 3.292 - ETA: 1:46 - loss: 3.290 - ETA: 1:45 - loss: 3.290 - ETA: 1:45 - loss: 3.289 - ETA: 1:45 - loss: 3.288 - ETA: 1:45 - loss: 3.289 - ETA: 1:44 - loss: 3.291 - ETA: 1:44 - loss: 3.292 - ETA: 1:44 - loss: 3.291 - ETA: 1:43 - loss: 3.297 - ETA: 1:43 - loss: 3.296 - ETA: 1:43 - loss: 3.297 - ETA: 1:43 - loss: 3.297 - ETA: 1:42 - loss: 3.296 - ETA: 1:42 - loss: 3.2946 955/1000 [===========================>..] - ETA: 1:42 - loss: 3.296 - ETA: 1:42 - loss: 3.295 - ETA: 1:41 - loss: 3.294 - ETA: 1:41 - loss: 3.292 - ETA: 1:41 - loss: 3.290 - ETA: 1:40 - loss: 3.291 - ETA: 1:40 - loss: 3.290 - ETA: 1:40 - loss: 3.290 - ETA: 1:40 - loss: 3.290 - ETA: 1:39 - loss: 3.289 - ETA: 1:39 - loss: 3.289 - ETA: 1:39 - loss: 3.288 - ETA: 1:38 - loss: 3.288 - ETA: 1:38 - loss: 3.289 - ETA: 1:38 - loss: 3.288 - ETA: 1:38 - loss: 3.287 - ETA: 1:37 - loss: 3.288 - ETA: 1:37 - loss: 3.286 - ETA: 1:37 - loss: 3.286 - ETA: 1:37 - loss: 3.289 - ETA: 1:36 - loss: 3.289 - ETA: 1:36 - loss: 3.288 - ETA: 1:36 - loss: 3.287 - ETA: 1:35 - loss: 3.291 - ETA: 1:35 - loss: 3.290 - ETA: 1:35 - loss: 3.290 - ETA: 1:35 - loss: 3.291 - ETA: 1:34 - loss: 3.290 - ETA: 1:34 - loss: 3.289 - ETA: 1:34 - loss: 3.287 - ETA: 1:34 - loss: 3.289 - ETA: 1:33 - loss: 3.289 - ETA: 1:33 - loss: 3.287 - ETA: 1:33 - loss: 3.286 - ETA: 1:32 - loss: 3.285 - ETA: 1:32 - loss: 3.286 - ETA: 1:32 - loss: 3.286 - ETA: 1:32 - loss: 3.286 - ETA: 1:31 - loss: 3.286 - ETA: 1:31 - loss: 3.286 - ETA: 1:31 - loss: 3.288 - ETA: 1:30 - loss: 3.288 - ETA: 1:30 - loss: 3.290 - ETA: 1:30 - loss: 3.289 - ETA: 1:30 - loss: 3.289 - ETA: 1:29 - loss: 3.288 - ETA: 1:29 - loss: 3.287 - ETA: 1:29 - loss: 3.291 - ETA: 1:29 - loss: 3.290 - ETA: 1:28 - loss: 3.291 - ETA: 1:28 - loss: 3.293 - ETA: 1:28 - loss: 3.296 - ETA: 1:27 - loss: 3.297 - ETA: 1:27 - loss: 3.298 - ETA: 1:27 - loss: 3.297 - ETA: 1:27 - loss: 3.295 - ETA: 1:26 - loss: 3.295 - ETA: 1:26 - loss: 3.294 - ETA: 1:26 - loss: 3.294 - ETA: 1:26 - loss: 3.295 - ETA: 1:25 - loss: 3.293 - ETA: 1:25 - loss: 3.292 - ETA: 1:25 - loss: 3.293 - ETA: 1:24 - loss: 3.294 - ETA: 1:24 - loss: 3.296 - ETA: 1:24 - loss: 3.296 - ETA: 1:24 - loss: 3.297 - ETA: 1:23 - loss: 3.298 - ETA: 1:23 - loss: 3.296 - ETA: 1:23 - loss: 3.296 - ETA: 1:22 - loss: 3.299 - ETA: 1:22 - loss: 3.306 - ETA: 1:22 - loss: 3.309 - ETA: 1:22 - loss: 3.308 - ETA: 1:21 - loss: 3.308 - ETA: 1:21 - loss: 3.307 - ETA: 1:21 - loss: 3.307 - ETA: 1:21 - loss: 3.306 - ETA: 1:20 - loss: 3.305 - ETA: 1:20 - loss: 3.308 - ETA: 1:20 - loss: 3.306 - ETA: 1:19 - loss: 3.306 - ETA: 1:19 - loss: 3.304 - ETA: 1:19 - loss: 3.303 - ETA: 1:19 - loss: 3.303 - ETA: 1:18 - loss: 3.303 - ETA: 1:18 - loss: 3.303 - ETA: 1:18 - loss: 3.305 - ETA: 1:18 - loss: 3.308 - ETA: 1:17 - loss: 3.307 - ETA: 1:17 - loss: 3.306 - ETA: 1:17 - loss: 3.305 - ETA: 1:16 - loss: 3.304 - ETA: 1:16 - loss: 3.303 - ETA: 1:16 - loss: 3.303 - ETA: 1:16 - loss: 3.301 - ETA: 1:15 - loss: 3.304 - ETA: 1:15 - loss: 3.303 - ETA: 1:15 - loss: 3.301 - ETA: 1:14 - loss: 3.302 - ETA: 1:14 - loss: 3.302 - ETA: 1:14 - loss: 3.301 - ETA: 1:14 - loss: 3.302 - ETA: 1:13 - loss: 3.301 - ETA: 1:13 - loss: 3.302 - ETA: 1:13 - loss: 3.302 - ETA: 1:13 - loss: 3.304 - ETA: 1:12 - loss: 3.303 - ETA: 1:12 - loss: 3.302 - ETA: 1:12 - loss: 3.303 - ETA: 1:11 - loss: 3.301 - ETA: 1:11 - loss: 3.300 - ETA: 1:11 - loss: 3.299 - ETA: 1:11 - loss: 3.300 - ETA: 1:10 - loss: 3.300 - ETA: 1:10 - loss: 3.299 - ETA: 1:10 - loss: 3.298 - ETA: 1:10 - loss: 3.299 - ETA: 1:09 - loss: 3.299 - ETA: 1:09 - loss: 3.298 - ETA: 1:09 - loss: 3.297 - ETA: 1:08 - loss: 3.295 - ETA: 1:08 - loss: 3.295 - ETA: 1:08 - loss: 3.295 - ETA: 1:08 - loss: 3.295 - ETA: 1:07 - loss: 3.294 - ETA: 1:07 - loss: 3.294 - ETA: 1:07 - loss: 3.295 - ETA: 1:06 - loss: 3.295 - ETA: 1:06 - loss: 3.297 - ETA: 1:06 - loss: 3.297 - ETA: 1:06 - loss: 3.302 - ETA: 1:05 - loss: 3.300 - ETA: 1:05 - loss: 3.305 - ETA: 1:05 - loss: 3.304 - ETA: 1:05 - loss: 3.305 - ETA: 1:04 - loss: 3.304 - ETA: 1:04 - loss: 3.302 - ETA: 1:04 - loss: 3.301 - ETA: 1:03 - loss: 3.302 - ETA: 1:03 - loss: 3.303 - ETA: 1:03 - loss: 3.302 - ETA: 1:03 - loss: 3.304 - ETA: 1:02 - loss: 3.305 - ETA: 1:02 - loss: 3.305 - ETA: 1:02 - loss: 3.306 - ETA: 1:02 - loss: 3.307 - ETA: 1:01 - loss: 3.306 - ETA: 1:01 - loss: 3.304 - ETA: 1:01 - loss: 3.304 - ETA: 1:00 - loss: 3.303 - ETA: 1:00 - loss: 3.304 - ETA: 1:00 - loss: 3.307 - ETA: 1:00 - loss: 3.306 - ETA: 59s - loss: 3.306 - ETA: 59s - loss: 3.30 - ETA: 59s - loss: 3.30 - ETA: 58s - loss: 3.30 - ETA: 58s - loss: 3.30 - ETA: 58s - loss: 3.30 - ETA: 58s - loss: 3.30 - ETA: 57s - loss: 3.30 - ETA: 57s - loss: 3.30 - ETA: 57s - loss: 3.30 - ETA: 57s - loss: 3.30 - ETA: 56s - loss: 3.30 - ETA: 56s - loss: 3.30 - ETA: 56s - loss: 3.30 - ETA: 55s - loss: 3.30 - ETA: 55s - loss: 3.30 - ETA: 55s - loss: 3.30 - ETA: 55s - loss: 3.29 - ETA: 54s - loss: 3.29 - ETA: 54s - loss: 3.29 - ETA: 54s - loss: 3.29 - ETA: 54s - loss: 3.29 - ETA: 53s - loss: 3.29 - ETA: 53s - loss: 3.29 - ETA: 53s - loss: 3.29 - ETA: 52s - loss: 3.29 - ETA: 52s - loss: 3.28 - ETA: 52s - loss: 3.28 - ETA: 52s - loss: 3.28 - ETA: 51s - loss: 3.28 - ETA: 51s - loss: 3.28 - ETA: 51s - loss: 3.28 - ETA: 50s - loss: 3.29 - ETA: 50s - loss: 3.28 - ETA: 50s - loss: 3.28 - ETA: 50s - loss: 3.28 - ETA: 49s - loss: 3.28 - ETA: 49s - loss: 3.28 - ETA: 49s - loss: 3.28 - ETA: 49s - loss: 3.28 - ETA: 48s - loss: 3.28 - ETA: 48s - loss: 3.28 - ETA: 48s - loss: 3.28 - ETA: 47s - loss: 3.28 - ETA: 47s - loss: 3.28 - ETA: 47s - loss: 3.28 - ETA: 47s - loss: 3.28 - ETA: 46s - loss: 3.28 - ETA: 46s - loss: 3.28 - ETA: 46s - loss: 3.28 - ETA: 46s - loss: 3.28 - ETA: 45s - loss: 3.28 - ETA: 45s - loss: 3.28 - ETA: 45s - loss: 3.28 - ETA: 44s - loss: 3.28 - ETA: 44s - loss: 3.28 - ETA: 44s - loss: 3.28 - ETA: 44s - loss: 3.28 - ETA: 43s - loss: 3.28 - ETA: 43s - loss: 3.27 - ETA: 43s - loss: 3.28 - ETA: 42s - loss: 3.27 - ETA: 42s - loss: 3.27 - ETA: 42s - loss: 3.27 - ETA: 42s - loss: 3.28 - ETA: 41s - loss: 3.28 - ETA: 41s - loss: 3.28 - ETA: 41s - loss: 3.28 - ETA: 41s - loss: 3.28 - ETA: 40s - loss: 3.28 - ETA: 40s - loss: 3.28 - ETA: 40s - loss: 3.28 - ETA: 39s - loss: 3.28 - ETA: 39s - loss: 3.28 - ETA: 39s - loss: 3.28 - ETA: 39s - loss: 3.28 - ETA: 38s - loss: 3.28 - ETA: 38s - loss: 3.28 - ETA: 38s - loss: 3.28 - ETA: 38s - loss: 3.27 - ETA: 37s - loss: 3.27 - ETA: 37s - loss: 3.27 - ETA: 37s - loss: 3.27 - ETA: 36s - loss: 3.27 - ETA: 36s - loss: 3.27 - ETA: 36s - loss: 3.27 - ETA: 36s - loss: 3.27 - ETA: 35s - loss: 3.26 - ETA: 35s - loss: 3.26 - ETA: 35s - loss: 3.27 - ETA: 35s - loss: 3.26 - ETA: 34s - loss: 3.26 - ETA: 34s - loss: 3.26 - ETA: 34s - loss: 3.26 - ETA: 33s - loss: 3.26 - ETA: 33s - loss: 3.26 - ETA: 33s - loss: 3.26 - ETA: 33s - loss: 3.26 - ETA: 32s - loss: 3.26 - ETA: 32s - loss: 3.26 - ETA: 32s - loss: 3.26 - ETA: 31s - loss: 3.26 - ETA: 31s - loss: 3.26 - ETA: 31s - loss: 3.26 - ETA: 31s - loss: 3.26 - ETA: 30s - loss: 3.26 - ETA: 30s - loss: 3.26 - ETA: 30s - loss: 3.26 - ETA: 30s - loss: 3.26 - ETA: 29s - loss: 3.26 - ETA: 29s - loss: 3.26 - ETA: 29s - loss: 3.26 - ETA: 28s - loss: 3.26 - ETA: 28s - loss: 3.26 - ETA: 28s - loss: 3.26 - ETA: 28s - loss: 3.26 - ETA: 27s - loss: 3.26 - ETA: 27s - loss: 3.26 - ETA: 27s - loss: 3.26 - ETA: 27s - loss: 3.26 - ETA: 26s - loss: 3.26 - ETA: 26s - loss: 3.26 - ETA: 26s - loss: 3.26 - ETA: 25s - loss: 3.27 - ETA: 25s - loss: 3.27 - ETA: 25s - loss: 3.27 - ETA: 25s - loss: 3.26 - ETA: 24s - loss: 3.27 - ETA: 24s - loss: 3.27 - ETA: 24s - loss: 3.27 - ETA: 23s - loss: 3.27 - ETA: 23s - loss: 3.27 - ETA: 23s - loss: 3.27 - ETA: 23s - loss: 3.27 - ETA: 22s - loss: 3.27 - ETA: 22s - loss: 3.27 - ETA: 22s - loss: 3.27 - ETA: 22s - loss: 3.27 - ETA: 21s - loss: 3.27 - ETA: 21s - loss: 3.27 - ETA: 21s - loss: 3.27 - ETA: 20s - loss: 3.27 - ETA: 20s - loss: 3.27 - ETA: 20s - loss: 3.28 - ETA: 20s - loss: 3.28 - ETA: 19s - loss: 3.28 - ETA: 19s - loss: 3.28 - ETA: 19s - loss: 3.28 - ETA: 19s - loss: 3.28 - ETA: 18s - loss: 3.28 - ETA: 18s - loss: 3.27 - ETA: 18s - loss: 3.27 - ETA: 17s - loss: 3.27 - ETA: 17s - loss: 3.27 - ETA: 17s - loss: 3.27 - ETA: 17s - loss: 3.27 - ETA: 16s - loss: 3.27 - ETA: 16s - loss: 3.27 - ETA: 16s - loss: 3.27 - ETA: 15s - loss: 3.27 - ETA: 15s - loss: 3.27 - ETA: 15s - loss: 3.27 - ETA: 15s - loss: 3.27 - ETA: 14s - loss: 3.27 - ETA: 14s - loss: 3.27 - ETA: 14s - loss: 3.26 - ETA: 14s - loss: 3.26 - ETA: 13s - loss: 3.26 - ETA: 13s - loss: 3.26 - ETA: 13s - loss: 3.26 - ETA: 12s - loss: 3.26 - ETA: 12s - loss: 3.26 - ETA: 12s - loss: 3.26141000/1000 [==============================] - ETA: 12s - loss: 3.26 - ETA: 11s - loss: 3.26 - ETA: 11s - loss: 3.26 - ETA: 11s - loss: 3.26 - ETA: 11s - loss: 3.26 - ETA: 10s - loss: 3.26 - ETA: 10s - loss: 3.26 - ETA: 10s - loss: 3.26 - ETA: 9s - loss: 3.2659 - ETA: 9s - loss: 3.265 - ETA: 9s - loss: 3.265 - ETA: 9s - loss: 3.268 - ETA: 8s - loss: 3.269 - ETA: 8s - loss: 3.267 - ETA: 8s - loss: 3.267 - ETA: 7s - loss: 3.267 - ETA: 7s - loss: 3.266 - ETA: 7s - loss: 3.266 - ETA: 7s - loss: 3.266 - ETA: 6s - loss: 3.264 - ETA: 6s - loss: 3.264 - ETA: 6s - loss: 3.267 - ETA: 6s - loss: 3.266 - ETA: 5s - loss: 3.264 - ETA: 5s - loss: 3.262 - ETA: 5s - loss: 3.261 - ETA: 4s - loss: 3.263 - ETA: 4s - loss: 3.264 - ETA: 4s - loss: 3.263 - ETA: 4s - loss: 3.261 - ETA: 3s - loss: 3.260 - ETA: 3s - loss: 3.260 - ETA: 3s - loss: 3.259 - ETA: 3s - loss: 3.259 - ETA: 2s - loss: 3.259 - ETA: 2s - loss: 3.259 - ETA: 2s - loss: 3.257 - ETA: 1s - loss: 3.255 - ETA: 1s - loss: 3.254 - ETA: 1s - loss: 3.253 - ETA: 1s - loss: 3.251 - ETA: 0s - loss: 3.251 - ETA: 0s - loss: 3.252 - ETA: 0s - loss: 3.251 - 357s 357ms/step - loss: 3.2486 - val_loss: 3.4845\n",
      "\n",
      "Epoch 00003: val_loss did not improve from 3.40380\n",
      "Epoch 4/16\n",
      "\n",
      "Epoch 00004: LearningRateScheduler reducing learning rate to 0.0005.\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      " 414/1000 [===========>..................] - ETA: 4:40 - loss: 2.636 - ETA: 4:32 - loss: 3.454 - ETA: 4:35 - loss: 3.739 - ETA: 4:34 - loss: 3.658 - ETA: 4:35 - loss: 3.539 - ETA: 4:33 - loss: 3.442 - ETA: 4:34 - loss: 3.385 - ETA: 4:33 - loss: 3.296 - ETA: 4:33 - loss: 3.153 - ETA: 4:32 - loss: 3.322 - ETA: 4:32 - loss: 3.153 - ETA: 4:32 - loss: 3.250 - ETA: 4:32 - loss: 3.332 - ETA: 4:32 - loss: 3.321 - ETA: 4:30 - loss: 3.353 - ETA: 4:31 - loss: 3.299 - ETA: 4:31 - loss: 3.218 - ETA: 4:30 - loss: 3.156 - ETA: 4:30 - loss: 3.077 - ETA: 4:30 - loss: 3.083 - ETA: 4:29 - loss: 3.075 - ETA: 4:29 - loss: 3.093 - ETA: 4:29 - loss: 3.155 - ETA: 4:28 - loss: 3.137 - ETA: 4:28 - loss: 3.129 - ETA: 4:28 - loss: 3.056 - ETA: 4:28 - loss: 3.010 - ETA: 4:27 - loss: 2.973 - ETA: 4:27 - loss: 2.967 - ETA: 4:27 - loss: 3.083 - ETA: 4:26 - loss: 3.319 - ETA: 4:26 - loss: 3.301 - ETA: 4:26 - loss: 3.334 - ETA: 4:26 - loss: 3.343 - ETA: 4:25 - loss: 3.354 - ETA: 4:25 - loss: 3.313 - ETA: 4:25 - loss: 3.275 - ETA: 4:24 - loss: 3.253 - ETA: 4:24 - loss: 3.269 - ETA: 4:24 - loss: 3.279 - ETA: 4:23 - loss: 3.312 - ETA: 4:23 - loss: 3.319 - ETA: 4:23 - loss: 3.314 - ETA: 4:22 - loss: 3.309 - ETA: 4:22 - loss: 3.315 - ETA: 4:22 - loss: 3.316 - ETA: 4:22 - loss: 3.337 - ETA: 4:21 - loss: 3.332 - ETA: 4:21 - loss: 3.362 - ETA: 4:21 - loss: 3.371 - ETA: 4:21 - loss: 3.348 - ETA: 4:20 - loss: 3.330 - ETA: 4:20 - loss: 3.441 - ETA: 4:20 - loss: 3.430 - ETA: 4:20 - loss: 3.455 - ETA: 4:19 - loss: 3.445 - ETA: 4:19 - loss: 3.440 - ETA: 4:19 - loss: 3.427 - ETA: 4:19 - loss: 3.428 - ETA: 4:18 - loss: 3.425 - ETA: 4:18 - loss: 3.434 - ETA: 4:18 - loss: 3.423 - ETA: 4:17 - loss: 3.409 - ETA: 4:17 - loss: 3.413 - ETA: 4:17 - loss: 3.424 - ETA: 4:16 - loss: 3.425 - ETA: 4:16 - loss: 3.404 - ETA: 4:16 - loss: 3.391 - ETA: 4:16 - loss: 3.392 - ETA: 4:15 - loss: 3.394 - ETA: 4:15 - loss: 3.400 - ETA: 4:15 - loss: 3.399 - ETA: 4:15 - loss: 3.372 - ETA: 4:14 - loss: 3.351 - ETA: 4:14 - loss: 3.373 - ETA: 4:14 - loss: 3.407 - ETA: 4:13 - loss: 3.423 - ETA: 4:13 - loss: 3.425 - ETA: 4:13 - loss: 3.416 - ETA: 4:13 - loss: 3.412 - ETA: 4:12 - loss: 3.423 - ETA: 4:12 - loss: 3.410 - ETA: 4:12 - loss: 3.402 - ETA: 4:11 - loss: 3.383 - ETA: 4:11 - loss: 3.403 - ETA: 4:11 - loss: 3.419 - ETA: 4:11 - loss: 3.413 - ETA: 4:10 - loss: 3.424 - ETA: 4:10 - loss: 3.420 - ETA: 4:10 - loss: 3.425 - ETA: 4:09 - loss: 3.414 - ETA: 4:09 - loss: 3.408 - ETA: 4:09 - loss: 3.396 - ETA: 4:08 - loss: 3.414 - ETA: 4:08 - loss: 3.433 - ETA: 4:08 - loss: 3.439 - ETA: 4:08 - loss: 3.433 - ETA: 4:07 - loss: 3.430 - ETA: 4:07 - loss: 3.427 - ETA: 4:07 - loss: 3.424 - ETA: 4:07 - loss: 3.415 - ETA: 4:06 - loss: 3.415 - ETA: 4:06 - loss: 3.410 - ETA: 4:06 - loss: 3.423 - ETA: 4:06 - loss: 3.424 - ETA: 4:05 - loss: 3.395 - ETA: 4:05 - loss: 3.393 - ETA: 4:05 - loss: 3.413 - ETA: 4:04 - loss: 3.403 - ETA: 4:04 - loss: 3.395 - ETA: 4:04 - loss: 3.389 - ETA: 4:04 - loss: 3.376 - ETA: 4:03 - loss: 3.390 - ETA: 4:03 - loss: 3.393 - ETA: 4:03 - loss: 3.389 - ETA: 4:02 - loss: 3.385 - ETA: 4:02 - loss: 3.374 - ETA: 4:02 - loss: 3.377 - ETA: 4:02 - loss: 3.394 - ETA: 4:01 - loss: 3.387 - ETA: 4:01 - loss: 3.382 - ETA: 4:01 - loss: 3.394 - ETA: 4:01 - loss: 3.393 - ETA: 4:00 - loss: 3.387 - ETA: 4:00 - loss: 3.386 - ETA: 4:00 - loss: 3.384 - ETA: 4:00 - loss: 3.385 - ETA: 3:59 - loss: 3.376 - ETA: 3:59 - loss: 3.389 - ETA: 3:59 - loss: 3.388 - ETA: 3:58 - loss: 3.383 - ETA: 3:58 - loss: 3.381 - ETA: 3:58 - loss: 3.370 - ETA: 3:58 - loss: 3.373 - ETA: 3:57 - loss: 3.371 - ETA: 3:57 - loss: 3.362 - ETA: 3:57 - loss: 3.351 - ETA: 3:56 - loss: 3.362 - ETA: 3:56 - loss: 3.352 - ETA: 3:56 - loss: 3.365 - ETA: 3:56 - loss: 3.364 - ETA: 3:56 - loss: 3.362 - ETA: 3:55 - loss: 3.360 - ETA: 3:55 - loss: 3.361 - ETA: 3:55 - loss: 3.356 - ETA: 3:54 - loss: 3.364 - ETA: 3:54 - loss: 3.350 - ETA: 3:54 - loss: 3.340 - ETA: 3:54 - loss: 3.340 - ETA: 3:53 - loss: 3.332 - ETA: 3:53 - loss: 3.327 - ETA: 3:53 - loss: 3.322 - ETA: 3:52 - loss: 3.312 - ETA: 3:52 - loss: 3.301 - ETA: 3:52 - loss: 3.303 - ETA: 3:52 - loss: 3.301 - ETA: 3:51 - loss: 3.300 - ETA: 3:51 - loss: 3.296 - ETA: 3:51 - loss: 3.292 - ETA: 3:51 - loss: 3.289 - ETA: 3:50 - loss: 3.284 - ETA: 3:50 - loss: 3.279 - ETA: 3:50 - loss: 3.279 - ETA: 3:49 - loss: 3.271 - ETA: 3:49 - loss: 3.282 - ETA: 3:49 - loss: 3.275 - ETA: 3:49 - loss: 3.265 - ETA: 3:48 - loss: 3.258 - ETA: 3:48 - loss: 3.263 - ETA: 3:48 - loss: 3.256 - ETA: 3:48 - loss: 3.251 - ETA: 3:47 - loss: 3.255 - ETA: 3:47 - loss: 3.245 - ETA: 3:47 - loss: 3.250 - ETA: 3:46 - loss: 3.248 - ETA: 3:46 - loss: 3.246 - ETA: 3:46 - loss: 3.259 - ETA: 3:46 - loss: 3.254 - ETA: 3:45 - loss: 3.268 - ETA: 3:45 - loss: 3.264 - ETA: 3:45 - loss: 3.261 - ETA: 3:44 - loss: 3.252 - ETA: 3:44 - loss: 3.252 - ETA: 3:44 - loss: 3.248 - ETA: 3:44 - loss: 3.245 - ETA: 3:43 - loss: 3.238 - ETA: 3:43 - loss: 3.246 - ETA: 3:43 - loss: 3.248 - ETA: 3:43 - loss: 3.243 - ETA: 3:42 - loss: 3.239 - ETA: 3:42 - loss: 3.248 - ETA: 3:42 - loss: 3.252 - ETA: 3:41 - loss: 3.249 - ETA: 3:41 - loss: 3.244 - ETA: 3:41 - loss: 3.230 - ETA: 3:41 - loss: 3.233 - ETA: 3:40 - loss: 3.234 - ETA: 3:40 - loss: 3.237 - ETA: 3:40 - loss: 3.233 - ETA: 3:40 - loss: 3.243 - ETA: 3:39 - loss: 3.238 - ETA: 3:39 - loss: 3.234 - ETA: 3:39 - loss: 3.225 - ETA: 3:38 - loss: 3.224 - ETA: 3:38 - loss: 3.221 - ETA: 3:38 - loss: 3.217 - ETA: 3:38 - loss: 3.208 - ETA: 3:37 - loss: 3.202 - ETA: 3:37 - loss: 3.200 - ETA: 3:37 - loss: 3.194 - ETA: 3:37 - loss: 3.194 - ETA: 3:36 - loss: 3.191 - ETA: 3:36 - loss: 3.184 - ETA: 3:36 - loss: 3.175 - ETA: 3:35 - loss: 3.167 - ETA: 3:35 - loss: 3.172 - ETA: 3:35 - loss: 3.169 - ETA: 3:35 - loss: 3.166 - ETA: 3:34 - loss: 3.177 - ETA: 3:34 - loss: 3.173 - ETA: 3:34 - loss: 3.165 - ETA: 3:33 - loss: 3.168 - ETA: 3:33 - loss: 3.170 - ETA: 3:33 - loss: 3.166 - ETA: 3:33 - loss: 3.169 - ETA: 3:32 - loss: 3.165 - ETA: 3:32 - loss: 3.162 - ETA: 3:32 - loss: 3.156 - ETA: 3:32 - loss: 3.153 - ETA: 3:31 - loss: 3.155 - ETA: 3:31 - loss: 3.152 - ETA: 3:31 - loss: 3.151 - ETA: 3:30 - loss: 3.158 - ETA: 3:30 - loss: 3.152 - ETA: 3:30 - loss: 3.155 - ETA: 3:30 - loss: 3.150 - ETA: 3:29 - loss: 3.144 - ETA: 3:29 - loss: 3.149 - ETA: 3:29 - loss: 3.154 - ETA: 3:28 - loss: 3.152 - ETA: 3:28 - loss: 3.154 - ETA: 3:28 - loss: 3.152 - ETA: 3:28 - loss: 3.147 - ETA: 3:27 - loss: 3.145 - ETA: 3:27 - loss: 3.151 - ETA: 3:27 - loss: 3.147 - ETA: 3:27 - loss: 3.142 - ETA: 3:26 - loss: 3.135 - ETA: 3:26 - loss: 3.126 - ETA: 3:26 - loss: 3.123 - ETA: 3:25 - loss: 3.134 - ETA: 3:25 - loss: 3.133 - ETA: 3:25 - loss: 3.133 - ETA: 3:25 - loss: 3.128 - ETA: 3:24 - loss: 3.126 - ETA: 3:24 - loss: 3.128 - ETA: 3:24 - loss: 3.132 - ETA: 3:24 - loss: 3.133 - ETA: 3:23 - loss: 3.127 - ETA: 3:23 - loss: 3.126 - ETA: 3:23 - loss: 3.126 - ETA: 3:22 - loss: 3.122 - ETA: 3:22 - loss: 3.119 - ETA: 3:22 - loss: 3.113 - ETA: 3:22 - loss: 3.105 - ETA: 3:21 - loss: 3.107 - ETA: 3:21 - loss: 3.105 - ETA: 3:21 - loss: 3.102 - ETA: 3:21 - loss: 3.104 - ETA: 3:20 - loss: 3.098 - ETA: 3:20 - loss: 3.096 - ETA: 3:20 - loss: 3.096 - ETA: 3:19 - loss: 3.096 - ETA: 3:19 - loss: 3.097 - ETA: 3:19 - loss: 3.089 - ETA: 3:19 - loss: 3.088 - ETA: 3:18 - loss: 3.084 - ETA: 3:18 - loss: 3.082 - ETA: 3:18 - loss: 3.079 - ETA: 3:17 - loss: 3.079 - ETA: 3:17 - loss: 3.077 - ETA: 3:17 - loss: 3.080 - ETA: 3:17 - loss: 3.080 - ETA: 3:16 - loss: 3.078 - ETA: 3:16 - loss: 3.079 - ETA: 3:16 - loss: 3.075 - ETA: 3:16 - loss: 3.075 - ETA: 3:15 - loss: 3.076 - ETA: 3:15 - loss: 3.073 - ETA: 3:15 - loss: 3.072 - ETA: 3:14 - loss: 3.07 - ETA: 2:47 - loss: 3.061 - ETA: 2:46 - loss: 3.060 - ETA: 2:46 - loss: 3.058 - ETA: 2:46 - loss: 3.058 - ETA: 2:46 - loss: 3.056 - ETA: 2:45 - loss: 3.054 - ETA: 2:45 - loss: 3.052 - ETA: 2:45 - loss: 3.048 - ETA: 2:45 - loss: 3.046 - ETA: 2:44 - loss: 3.044 - ETA: 2:44 - loss: 3.046 - ETA: 2:44 - loss: 3.044 - ETA: 2:43 - loss: 3.043 - ETA: 2:43 - loss: 3.040 - ETA: 2:43 - loss: 3.039 - ETA: 2:43 - loss: 3.036 - ETA: 2:42 - loss: 3.038 - ETA: 2:42 - loss: 3.037 - ETA: 2:42 - loss: 3.035 - ETA: 2:42 - loss: 3.038 - ETA: 2:41 - loss: 3.038 - ETA: 2:41 - loss: 3.037 - ETA: 2:41 - loss: 3.0393 728/1000 [====================>.........] - ETA: 2:40 - loss: 3.036 - ETA: 2:40 - loss: 3.032 - ETA: 2:40 - loss: 3.032 - ETA: 2:40 - loss: 3.029 - ETA: 2:39 - loss: 3.028 - ETA: 2:39 - loss: 3.028 - ETA: 2:39 - loss: 3.030 - ETA: 2:39 - loss: 3.032 - ETA: 2:38 - loss: 3.033 - ETA: 2:38 - loss: 3.035 - ETA: 2:38 - loss: 3.033 - ETA: 2:37 - loss: 3.035 - ETA: 2:37 - loss: 3.033 - ETA: 2:37 - loss: 3.032 - ETA: 2:37 - loss: 3.035 - ETA: 2:36 - loss: 3.032 - ETA: 2:36 - loss: 3.032 - ETA: 2:36 - loss: 3.036 - ETA: 2:36 - loss: 3.036 - ETA: 2:35 - loss: 3.032 - ETA: 2:35 - loss: 3.032 - ETA: 2:35 - loss: 3.030 - ETA: 2:34 - loss: 3.031 - ETA: 2:34 - loss: 3.031 - ETA: 2:34 - loss: 3.032 - ETA: 2:34 - loss: 3.031 - ETA: 2:33 - loss: 3.031 - ETA: 2:33 - loss: 3.028 - ETA: 2:33 - loss: 3.024 - ETA: 2:32 - loss: 3.026 - ETA: 2:32 - loss: 3.023 - ETA: 2:32 - loss: 3.021 - ETA: 2:32 - loss: 3.017 - ETA: 2:31 - loss: 3.014 - ETA: 2:31 - loss: 3.011 - ETA: 2:31 - loss: 3.012 - ETA: 2:31 - loss: 3.012 - ETA: 2:30 - loss: 3.010 - ETA: 2:30 - loss: 3.010 - ETA: 2:30 - loss: 3.014 - ETA: 2:29 - loss: 3.013 - ETA: 2:29 - loss: 3.013 - ETA: 2:29 - loss: 3.014 - ETA: 2:29 - loss: 3.013 - ETA: 2:28 - loss: 3.016 - ETA: 2:28 - loss: 3.014 - ETA: 2:28 - loss: 3.014 - ETA: 2:28 - loss: 3.015 - ETA: 2:27 - loss: 3.015 - ETA: 2:27 - loss: 3.012 - ETA: 2:27 - loss: 3.014 - ETA: 2:26 - loss: 3.010 - ETA: 2:26 - loss: 3.012 - ETA: 2:26 - loss: 3.010 - ETA: 2:26 - loss: 3.012 - ETA: 2:25 - loss: 3.014 - ETA: 2:25 - loss: 3.013 - ETA: 2:25 - loss: 3.013 - ETA: 2:25 - loss: 3.010 - ETA: 2:24 - loss: 3.009 - ETA: 2:24 - loss: 3.006 - ETA: 2:24 - loss: 3.006 - ETA: 2:23 - loss: 3.007 - ETA: 2:23 - loss: 3.006 - ETA: 2:23 - loss: 3.003 - ETA: 2:23 - loss: 3.003 - ETA: 2:22 - loss: 2.999 - ETA: 2:22 - loss: 3.002 - ETA: 2:22 - loss: 2.998 - ETA: 2:22 - loss: 2.998 - ETA: 2:21 - loss: 2.997 - ETA: 2:21 - loss: 2.993 - ETA: 2:21 - loss: 2.997 - ETA: 2:20 - loss: 2.994 - ETA: 2:20 - loss: 2.996 - ETA: 2:20 - loss: 2.993 - ETA: 2:20 - loss: 2.991 - ETA: 2:19 - loss: 2.995 - ETA: 2:19 - loss: 2.994 - ETA: 2:19 - loss: 2.994 - ETA: 2:19 - loss: 3.001 - ETA: 2:18 - loss: 3.003 - ETA: 2:18 - loss: 3.001 - ETA: 2:18 - loss: 3.004 - ETA: 2:17 - loss: 3.008 - ETA: 2:17 - loss: 3.006 - ETA: 2:17 - loss: 3.006 - ETA: 2:17 - loss: 3.003 - ETA: 2:16 - loss: 3.002 - ETA: 2:16 - loss: 3.002 - ETA: 2:16 - loss: 3.004 - ETA: 2:16 - loss: 3.003 - ETA: 2:15 - loss: 3.002 - ETA: 2:15 - loss: 3.008 - ETA: 2:15 - loss: 3.006 - ETA: 2:14 - loss: 3.005 - ETA: 2:14 - loss: 3.005 - ETA: 2:14 - loss: 3.005 - ETA: 2:14 - loss: 3.005 - ETA: 2:13 - loss: 3.001 - ETA: 2:13 - loss: 3.004 - ETA: 2:13 - loss: 3.003 - ETA: 2:13 - loss: 3.003 - ETA: 2:12 - loss: 3.004 - ETA: 2:12 - loss: 3.008 - ETA: 2:12 - loss: 3.006 - ETA: 2:11 - loss: 3.006 - ETA: 2:11 - loss: 3.005 - ETA: 2:11 - loss: 3.005 - ETA: 2:11 - loss: 3.005 - ETA: 2:10 - loss: 3.008 - ETA: 2:10 - loss: 3.006 - ETA: 2:10 - loss: 3.008 - ETA: 2:10 - loss: 3.013 - ETA: 2:09 - loss: 3.013 - ETA: 2:09 - loss: 3.010 - ETA: 2:09 - loss: 3.010 - ETA: 2:08 - loss: 3.012 - ETA: 2:08 - loss: 3.012 - ETA: 2:08 - loss: 3.022 - ETA: 2:08 - loss: 3.025 - ETA: 2:07 - loss: 3.024 - ETA: 2:07 - loss: 3.024 - ETA: 2:07 - loss: 3.031 - ETA: 2:07 - loss: 3.031 - ETA: 2:06 - loss: 3.031 - ETA: 2:06 - loss: 3.030 - ETA: 2:06 - loss: 3.031 - ETA: 2:05 - loss: 3.030 - ETA: 2:05 - loss: 3.031 - ETA: 2:05 - loss: 3.033 - ETA: 2:05 - loss: 3.033 - ETA: 2:04 - loss: 3.035 - ETA: 2:04 - loss: 3.032 - ETA: 2:04 - loss: 3.030 - ETA: 2:04 - loss: 3.029 - ETA: 2:03 - loss: 3.027 - ETA: 2:03 - loss: 3.029 - ETA: 2:03 - loss: 3.034 - ETA: 2:02 - loss: 3.037 - ETA: 2:02 - loss: 3.036 - ETA: 2:02 - loss: 3.036 - ETA: 2:02 - loss: 3.037 - ETA: 2:01 - loss: 3.041 - ETA: 2:01 - loss: 3.042 - ETA: 2:01 - loss: 3.046 - ETA: 2:00 - loss: 3.048 - ETA: 2:00 - loss: 3.050 - ETA: 2:00 - loss: 3.053 - ETA: 2:00 - loss: 3.053 - ETA: 1:59 - loss: 3.058 - ETA: 1:59 - loss: 3.058 - ETA: 1:59 - loss: 3.058 - ETA: 1:59 - loss: 3.060 - ETA: 1:58 - loss: 3.060 - ETA: 1:58 - loss: 3.061 - ETA: 1:58 - loss: 3.061 - ETA: 1:57 - loss: 3.061 - ETA: 1:57 - loss: 3.061 - ETA: 1:57 - loss: 3.061 - ETA: 1:57 - loss: 3.062 - ETA: 1:56 - loss: 3.061 - ETA: 1:56 - loss: 3.062 - ETA: 1:56 - loss: 3.062 - ETA: 1:56 - loss: 3.061 - ETA: 1:55 - loss: 3.061 - ETA: 1:55 - loss: 3.063 - ETA: 1:55 - loss: 3.061 - ETA: 1:54 - loss: 3.063 - ETA: 1:54 - loss: 3.063 - ETA: 1:54 - loss: 3.063 - ETA: 1:54 - loss: 3.062 - ETA: 1:53 - loss: 3.062 - ETA: 1:53 - loss: 3.064 - ETA: 1:53 - loss: 3.063 - ETA: 1:52 - loss: 3.064 - ETA: 1:52 - loss: 3.063 - ETA: 1:52 - loss: 3.062 - ETA: 1:52 - loss: 3.064 - ETA: 1:51 - loss: 3.065 - ETA: 1:51 - loss: 3.063 - ETA: 1:51 - loss: 3.062 - ETA: 1:51 - loss: 3.065 - ETA: 1:50 - loss: 3.064 - ETA: 1:50 - loss: 3.065 - ETA: 1:50 - loss: 3.068 - ETA: 1:49 - loss: 3.067 - ETA: 1:49 - loss: 3.065 - ETA: 1:49 - loss: 3.064 - ETA: 1:49 - loss: 3.062 - ETA: 1:48 - loss: 3.065 - ETA: 1:48 - loss: 3.065 - ETA: 1:48 - loss: 3.068 - ETA: 1:48 - loss: 3.069 - ETA: 1:47 - loss: 3.069 - ETA: 1:47 - loss: 3.068 - ETA: 1:47 - loss: 3.068 - ETA: 1:46 - loss: 3.067 - ETA: 1:46 - loss: 3.066 - ETA: 1:46 - loss: 3.066 - ETA: 1:46 - loss: 3.066 - ETA: 1:45 - loss: 3.072 - ETA: 1:45 - loss: 3.071 - ETA: 1:45 - loss: 3.068 - ETA: 1:45 - loss: 3.066 - ETA: 1:44 - loss: 3.065 - ETA: 1:44 - loss: 3.064 - ETA: 1:44 - loss: 3.064 - ETA: 1:43 - loss: 3.068 - ETA: 1:43 - loss: 3.067 - ETA: 1:43 - loss: 3.067 - ETA: 1:43 - loss: 3.066 - ETA: 1:42 - loss: 3.065 - ETA: 1:42 - loss: 3.066 - ETA: 1:42 - loss: 3.063 - ETA: 1:41 - loss: 3.060 - ETA: 1:41 - loss: 3.061 - ETA: 1:41 - loss: 3.068 - ETA: 1:41 - loss: 3.069 - ETA: 1:40 - loss: 3.069 - ETA: 1:40 - loss: 3.069 - ETA: 1:40 - loss: 3.070 - ETA: 1:40 - loss: 3.072 - ETA: 1:39 - loss: 3.072 - ETA: 1:39 - loss: 3.071 - ETA: 1:39 - loss: 3.070 - ETA: 1:38 - loss: 3.069 - ETA: 1:38 - loss: 3.072 - ETA: 1:38 - loss: 3.071 - ETA: 1:38 - loss: 3.072 - ETA: 1:37 - loss: 3.072 - ETA: 1:37 - loss: 3.072 - ETA: 1:37 - loss: 3.072 - ETA: 1:37 - loss: 3.070 - ETA: 1:36 - loss: 3.068 - ETA: 1:36 - loss: 3.069 - ETA: 1:36 - loss: 3.071 - ETA: 1:35 - loss: 3.072 - ETA: 1:35 - loss: 3.072 - ETA: 1:35 - loss: 3.072 - ETA: 1:35 - loss: 3.073 - ETA: 1:34 - loss: 3.075 - ETA: 1:34 - loss: 3.080 - ETA: 1:34 - loss: 3.078 - ETA: 1:34 - loss: 3.079 - ETA: 1:33 - loss: 3.079 - ETA: 1:33 - loss: 3.078 - ETA: 1:33 - loss: 3.079 - ETA: 1:32 - loss: 3.079 - ETA: 1:32 - loss: 3.077 - ETA: 1:32 - loss: 3.076 - ETA: 1:32 - loss: 3.076 - ETA: 1:31 - loss: 3.076 - ETA: 1:31 - loss: 3.078 - ETA: 1:31 - loss: 3.078 - ETA: 1:30 - loss: 3.078 - ETA: 1:30 - loss: 3.080 - ETA: 1:30 - loss: 3.079 - ETA: 1:30 - loss: 3.083 - ETA: 1:29 - loss: 3.084 - ETA: 1:29 - loss: 3.081 - ETA: 1:29 - loss: 3.080 - ETA: 1:29 - loss: 3.078 - ETA: 1:28 - loss: 3.079 - ETA: 1:28 - loss: 3.080 - ETA: 1:28 - loss: 3.082 - ETA: 1:27 - loss: 3.081 - ETA: 1:27 - loss: 3.079 - ETA: 1:27 - loss: 3.078 - ETA: 1:27 - loss: 3.077 - ETA: 1:26 - loss: 3.076 - ETA: 1:26 - loss: 3.075 - ETA: 1:26 - loss: 3.075 - ETA: 1:26 - loss: 3.074 - ETA: 1:25 - loss: 3.075 - ETA: 1:25 - loss: 3.075 - ETA: 1:25 - loss: 3.074 - ETA: 1:24 - loss: 3.076 - ETA: 1:24 - loss: 3.076 - ETA: 1:24 - loss: 3.077 - ETA: 1:24 - loss: 3.076 - ETA: 1:23 - loss: 3.077 - ETA: 1:23 - loss: 3.078 - ETA: 1:23 - loss: 3.079 - ETA: 1:23 - loss: 3.078 - ETA: 1:22 - loss: 3.079 - ETA: 1:22 - loss: 3.079 - ETA: 1:22 - loss: 3.078 - ETA: 1:21 - loss: 3.078 - ETA: 1:21 - loss: 3.078 - ETA: 1:21 - loss: 3.077 - ETA: 1:21 - loss: 3.075 - ETA: 1:20 - loss: 3.075 - ETA: 1:20 - loss: 3.075 - ETA: 1:20 - loss: 3.076 - ETA: 1:19 - loss: 3.075 - ETA: 1:19 - loss: 3.075 - ETA: 1:19 - loss: 3.075 - ETA: 1:19 - loss: 3.075 - ETA: 1:18 - loss: 3.074 - ETA: 1:18 - loss: 3.071 - ETA: 1:18 - loss: 3.070 - ETA: 1:18 - loss: 3.070 - ETA: 1:17 - loss: 3.069 - ETA: 1:17 - loss: 3.068 - ETA: 1:17 - loss: 3.066 - ETA: 1:16 - loss: 3.065 - ETA: 1:16 - loss: 3.067 - ETA: 1:16 - loss: 3.065 - ETA: 1:16 - loss: 3.064 - ETA: 1:15 - loss: 3.063 - ETA: 1:15 - loss: 3.063 - ETA: 1:15 - loss: 3.066 - ETA: 1:15 - loss: 3.06471000/1000 [==============================] - ETA: 1:14 - loss: 3.064 - ETA: 1:14 - loss: 3.064 - ETA: 1:14 - loss: 3.064 - ETA: 1:13 - loss: 3.063 - ETA: 1:13 - loss: 3.061 - ETA: 1:13 - loss: 3.062 - ETA: 1:13 - loss: 3.062 - ETA: 1:12 - loss: 3.062 - ETA: 1:12 - loss: 3.061 - ETA: 1:12 - loss: 3.061 - ETA: 1:11 - loss: 3.061 - ETA: 1:11 - loss: 3.061 - ETA: 1:11 - loss: 3.061 - ETA: 1:11 - loss: 3.061 - ETA: 1:10 - loss: 3.059 - ETA: 1:10 - loss: 3.059 - ETA: 1:10 - loss: 3.060 - ETA: 1:10 - loss: 3.059 - ETA: 1:09 - loss: 3.060 - ETA: 1:09 - loss: 3.057 - ETA: 1:09 - loss: 3.057 - ETA: 1:08 - loss: 3.056 - ETA: 1:08 - loss: 3.056 - ETA: 1:08 - loss: 3.056 - ETA: 1:08 - loss: 3.056 - ETA: 1:07 - loss: 3.059 - ETA: 1:07 - loss: 3.056 - ETA: 1:07 - loss: 3.056 - ETA: 1:07 - loss: 3.061 - ETA: 1:06 - loss: 3.060 - ETA: 1:06 - loss: 3.058 - ETA: 1:06 - loss: 3.059 - ETA: 1:05 - loss: 3.060 - ETA: 1:05 - loss: 3.060 - ETA: 1:05 - loss: 3.060 - ETA: 1:05 - loss: 3.061 - ETA: 1:04 - loss: 3.062 - ETA: 1:04 - loss: 3.063 - ETA: 1:04 - loss: 3.063 - ETA: 1:04 - loss: 3.064 - ETA: 1:03 - loss: 3.064 - ETA: 1:03 - loss: 3.063 - ETA: 1:03 - loss: 3.067 - ETA: 1:02 - loss: 3.067 - ETA: 1:02 - loss: 3.066 - ETA: 1:02 - loss: 3.066 - ETA: 1:02 - loss: 3.065 - ETA: 1:01 - loss: 3.065 - ETA: 1:01 - loss: 3.064 - ETA: 1:01 - loss: 3.063 - ETA: 1:00 - loss: 3.062 - ETA: 1:00 - loss: 3.062 - ETA: 1:00 - loss: 3.060 - ETA: 1:00 - loss: 3.060 - ETA: 59s - loss: 3.058 - ETA: 59s - loss: 3.05 - ETA: 59s - loss: 3.05 - ETA: 59s - loss: 3.05 - ETA: 58s - loss: 3.05 - ETA: 58s - loss: 3.05 - ETA: 58s - loss: 3.05 - ETA: 57s - loss: 3.05 - ETA: 57s - loss: 3.05 - ETA: 57s - loss: 3.05 - ETA: 57s - loss: 3.05 - ETA: 56s - loss: 3.05 - ETA: 56s - loss: 3.05 - ETA: 56s - loss: 3.05 - ETA: 56s - loss: 3.05 - ETA: 55s - loss: 3.05 - ETA: 55s - loss: 3.05 - ETA: 55s - loss: 3.06 - ETA: 54s - loss: 3.05 - ETA: 54s - loss: 3.06 - ETA: 54s - loss: 3.06 - ETA: 54s - loss: 3.06 - ETA: 53s - loss: 3.06 - ETA: 53s - loss: 3.06 - ETA: 53s - loss: 3.06 - ETA: 52s - loss: 3.06 - ETA: 52s - loss: 3.06 - ETA: 52s - loss: 3.06 - ETA: 52s - loss: 3.06 - ETA: 51s - loss: 3.05 - ETA: 51s - loss: 3.05 - ETA: 51s - loss: 3.05 - ETA: 51s - loss: 3.05 - ETA: 50s - loss: 3.05 - ETA: 50s - loss: 3.06 - ETA: 50s - loss: 3.06 - ETA: 49s - loss: 3.06 - ETA: 49s - loss: 3.06 - ETA: 49s - loss: 3.06 - ETA: 49s - loss: 3.06 - ETA: 48s - loss: 3.06 - ETA: 48s - loss: 3.06 - ETA: 48s - loss: 3.06 - ETA: 48s - loss: 3.06 - ETA: 47s - loss: 3.06 - ETA: 47s - loss: 3.06 - ETA: 47s - loss: 3.06 - ETA: 46s - loss: 3.06 - ETA: 46s - loss: 3.06 - ETA: 46s - loss: 3.06 - ETA: 46s - loss: 3.06 - ETA: 45s - loss: 3.06 - ETA: 45s - loss: 3.06 - ETA: 45s - loss: 3.06 - ETA: 44s - loss: 3.06 - ETA: 44s - loss: 3.06 - ETA: 44s - loss: 3.06 - ETA: 44s - loss: 3.06 - ETA: 43s - loss: 3.06 - ETA: 43s - loss: 3.06 - ETA: 43s - loss: 3.06 - ETA: 43s - loss: 3.06 - ETA: 42s - loss: 3.06 - ETA: 42s - loss: 3.06 - ETA: 42s - loss: 3.06 - ETA: 41s - loss: 3.06 - ETA: 41s - loss: 3.06 - ETA: 41s - loss: 3.06 - ETA: 41s - loss: 3.06 - ETA: 40s - loss: 3.06 - ETA: 40s - loss: 3.06 - ETA: 40s - loss: 3.06 - ETA: 40s - loss: 3.06 - ETA: 39s - loss: 3.06 - ETA: 39s - loss: 3.06 - ETA: 39s - loss: 3.07 - ETA: 38s - loss: 3.07 - ETA: 38s - loss: 3.07 - ETA: 38s - loss: 3.07 - ETA: 38s - loss: 3.07 - ETA: 37s - loss: 3.07 - ETA: 37s - loss: 3.07 - ETA: 37s - loss: 3.07 - ETA: 36s - loss: 3.07 - ETA: 36s - loss: 3.07 - ETA: 36s - loss: 3.07 - ETA: 36s - loss: 3.07 - ETA: 35s - loss: 3.07 - ETA: 35s - loss: 3.07 - ETA: 35s - loss: 3.07 - ETA: 35s - loss: 3.07 - ETA: 34s - loss: 3.07 - ETA: 34s - loss: 3.07 - ETA: 34s - loss: 3.07 - ETA: 33s - loss: 3.07 - ETA: 33s - loss: 3.07 - ETA: 33s - loss: 3.07 - ETA: 33s - loss: 3.07 - ETA: 32s - loss: 3.07 - ETA: 32s - loss: 3.07 - ETA: 32s - loss: 3.07 - ETA: 32s - loss: 3.07 - ETA: 31s - loss: 3.07 - ETA: 31s - loss: 3.08 - ETA: 31s - loss: 3.08 - ETA: 30s - loss: 3.07 - ETA: 30s - loss: 3.07 - ETA: 30s - loss: 3.07 - ETA: 30s - loss: 3.08 - ETA: 29s - loss: 3.07 - ETA: 29s - loss: 3.07 - ETA: 29s - loss: 3.07 - ETA: 28s - loss: 3.07 - ETA: 28s - loss: 3.07 - ETA: 28s - loss: 3.07 - ETA: 28s - loss: 3.07 - ETA: 27s - loss: 3.07 - ETA: 27s - loss: 3.07 - ETA: 27s - loss: 3.07 - ETA: 27s - loss: 3.07 - ETA: 26s - loss: 3.07 - ETA: 26s - loss: 3.07 - ETA: 26s - loss: 3.07 - ETA: 25s - loss: 3.07 - ETA: 25s - loss: 3.07 - ETA: 25s - loss: 3.07 - ETA: 25s - loss: 3.07 - ETA: 24s - loss: 3.07 - ETA: 24s - loss: 3.07 - ETA: 24s - loss: 3.07 - ETA: 24s - loss: 3.07 - ETA: 23s - loss: 3.07 - ETA: 23s - loss: 3.07 - ETA: 23s - loss: 3.07 - ETA: 22s - loss: 3.07 - ETA: 22s - loss: 3.07 - ETA: 22s - loss: 3.07 - ETA: 22s - loss: 3.07 - ETA: 21s - loss: 3.07 - ETA: 21s - loss: 3.07 - ETA: 21s - loss: 3.07 - ETA: 20s - loss: 3.07 - ETA: 20s - loss: 3.07 - ETA: 20s - loss: 3.08 - ETA: 20s - loss: 3.08 - ETA: 19s - loss: 3.08 - ETA: 19s - loss: 3.08 - ETA: 19s - loss: 3.08 - ETA: 19s - loss: 3.08 - ETA: 18s - loss: 3.08 - ETA: 18s - loss: 3.08 - ETA: 18s - loss: 3.08 - ETA: 17s - loss: 3.08 - ETA: 17s - loss: 3.08 - ETA: 17s - loss: 3.08 - ETA: 17s - loss: 3.08 - ETA: 16s - loss: 3.08 - ETA: 16s - loss: 3.08 - ETA: 16s - loss: 3.08 - ETA: 16s - loss: 3.08 - ETA: 15s - loss: 3.08 - ETA: 15s - loss: 3.08 - ETA: 15s - loss: 3.08 - ETA: 14s - loss: 3.07 - ETA: 14s - loss: 3.07 - ETA: 14s - loss: 3.07 - ETA: 14s - loss: 3.08 - ETA: 13s - loss: 3.07 - ETA: 13s - loss: 3.08 - ETA: 13s - loss: 3.08 - ETA: 12s - loss: 3.08 - ETA: 12s - loss: 3.08 - ETA: 12s - loss: 3.08 - ETA: 12s - loss: 3.07 - ETA: 11s - loss: 3.07 - ETA: 11s - loss: 3.07 - ETA: 11s - loss: 3.07 - ETA: 11s - loss: 3.07 - ETA: 10s - loss: 3.08 - ETA: 10s - loss: 3.08 - ETA: 10s - loss: 3.08 - ETA: 9s - loss: 3.0855 - ETA: 9s - loss: 3.086 - ETA: 9s - loss: 3.085 - ETA: 9s - loss: 3.084 - ETA: 8s - loss: 3.086 - ETA: 8s - loss: 3.086 - ETA: 8s - loss: 3.087 - ETA: 8s - loss: 3.087 - ETA: 7s - loss: 3.088 - ETA: 7s - loss: 3.087 - ETA: 7s - loss: 3.087 - ETA: 6s - loss: 3.086 - ETA: 6s - loss: 3.087 - ETA: 6s - loss: 3.087 - ETA: 6s - loss: 3.086 - ETA: 5s - loss: 3.086 - ETA: 5s - loss: 3.085 - ETA: 5s - loss: 3.084 - ETA: 4s - loss: 3.087 - ETA: 4s - loss: 3.085 - ETA: 4s - loss: 3.086 - ETA: 4s - loss: 3.086 - ETA: 3s - loss: 3.086 - ETA: 3s - loss: 3.083 - ETA: 3s - loss: 3.085 - ETA: 3s - loss: 3.084 - ETA: 2s - loss: 3.086 - ETA: 2s - loss: 3.086 - ETA: 2s - loss: 3.087 - ETA: 1s - loss: 3.086 - ETA: 1s - loss: 3.088 - ETA: 1s - loss: 3.087 - ETA: 1s - loss: 3.088 - ETA: 0s - loss: 3.090 - ETA: 0s - loss: 3.091 - ETA: 0s - loss: 3.090 - 357s 357ms/step - loss: 3.0904 - val_loss: 3.4913\n",
      "\n",
      "Epoch 00004: val_loss did not improve from 3.40380\n",
      "Epoch 5/16\n",
      "\n",
      "Epoch 00005: LearningRateScheduler reducing learning rate to 0.0005.\n",
      " 167/1000 [====>.........................] - ETA: 4:28 - loss: 4.790 - ETA: 4:27 - loss: 3.394 - ETA: 4:29 - loss: 3.044 - ETA: 4:34 - loss: 2.936 - ETA: 4:32 - loss: 2.827 - ETA: 4:32 - loss: 2.618 - ETA: 4:31 - loss: 2.977 - ETA: 4:32 - loss: 3.098 - ETA: 4:31 - loss: 2.980 - ETA: 4:32 - loss: 3.005 - ETA: 4:32 - loss: 3.076 - ETA: 4:31 - loss: 3.026 - ETA: 4:32 - loss: 2.901 - ETA: 4:31 - loss: 2.969 - ETA: 4:31 - loss: 2.878 - ETA: 4:30 - loss: 2.900 - ETA: 4:30 - loss: 2.993 - ETA: 4:31 - loss: 2.962 - ETA: 4:30 - loss: 2.973 - ETA: 4:30 - loss: 3.162 - ETA: 4:29 - loss: 3.177 - ETA: 4:29 - loss: 3.250 - ETA: 4:29 - loss: 3.220 - ETA: 4:28 - loss: 3.238 - ETA: 4:29 - loss: 3.207 - ETA: 4:28 - loss: 3.156 - ETA: 4:28 - loss: 3.188 - ETA: 4:28 - loss: 3.164 - ETA: 4:28 - loss: 3.123 - ETA: 4:28 - loss: 3.096 - ETA: 4:28 - loss: 3.102 - ETA: 4:27 - loss: 3.137 - ETA: 4:27 - loss: 3.158 - ETA: 4:27 - loss: 3.143 - ETA: 4:26 - loss: 3.138 - ETA: 4:26 - loss: 3.093 - ETA: 4:26 - loss: 3.078 - ETA: 4:25 - loss: 3.146 - ETA: 4:25 - loss: 3.106 - ETA: 4:25 - loss: 3.083 - ETA: 4:25 - loss: 3.080 - ETA: 4:24 - loss: 3.081 - ETA: 4:24 - loss: 3.064 - ETA: 4:24 - loss: 3.100 - ETA: 4:24 - loss: 3.086 - ETA: 4:23 - loss: 3.129 - ETA: 4:23 - loss: 3.176 - ETA: 4:23 - loss: 3.223 - ETA: 4:22 - loss: 3.221 - ETA: 4:22 - loss: 3.206 - ETA: 4:22 - loss: 3.274 - ETA: 4:22 - loss: 3.238 - ETA: 4:21 - loss: 3.244 - ETA: 4:21 - loss: 3.241 - ETA: 4:21 - loss: 3.205 - ETA: 4:21 - loss: 3.214 - ETA: 4:20 - loss: 3.184 - ETA: 4:20 - loss: 3.194 - ETA: 4:20 - loss: 3.202 - ETA: 4:20 - loss: 3.204 - ETA: 4:19 - loss: 3.188 - ETA: 4:19 - loss: 3.203 - ETA: 4:19 - loss: 3.199 - ETA: 4:18 - loss: 3.206 - ETA: 4:18 - loss: 3.190 - ETA: 4:18 - loss: 3.205 - ETA: 4:18 - loss: 3.202 - ETA: 4:17 - loss: 3.199 - ETA: 4:17 - loss: 3.192 - ETA: 4:17 - loss: 3.182 - ETA: 4:17 - loss: 3.172 - ETA: 4:16 - loss: 3.184 - ETA: 4:16 - loss: 3.171 - ETA: 4:16 - loss: 3.156 - ETA: 4:15 - loss: 3.147 - ETA: 4:15 - loss: 3.141 - ETA: 4:15 - loss: 3.126 - ETA: 4:15 - loss: 3.122 - ETA: 4:14 - loss: 3.102 - ETA: 4:14 - loss: 3.097 - ETA: 4:14 - loss: 3.091 - ETA: 4:14 - loss: 3.093 - ETA: 4:13 - loss: 3.080 - ETA: 4:13 - loss: 3.086 - ETA: 4:13 - loss: 3.088 - ETA: 4:12 - loss: 3.099 - ETA: 4:12 - loss: 3.103 - ETA: 4:12 - loss: 3.100 - ETA: 4:12 - loss: 3.089 - ETA: 4:11 - loss: 3.116 - ETA: 4:11 - loss: 3.108 - ETA: 4:11 - loss: 3.109 - ETA: 4:10 - loss: 3.148 - ETA: 4:10 - loss: 3.149 - ETA: 4:10 - loss: 3.143 - ETA: 4:10 - loss: 3.141 - ETA: 4:09 - loss: 3.164 - ETA: 4:09 - loss: 3.170 - ETA: 4:09 - loss: 3.158 - ETA: 4:09 - loss: 3.156 - ETA: 4:08 - loss: 3.151 - ETA: 4:08 - loss: 3.159 - ETA: 4:08 - loss: 3.152 - ETA: 4:07 - loss: 3.154 - ETA: 4:07 - loss: 3.149 - ETA: 4:07 - loss: 3.149 - ETA: 4:07 - loss: 3.151 - ETA: 4:06 - loss: 3.164 - ETA: 4:06 - loss: 3.164 - ETA: 4:06 - loss: 3.167 - ETA: 4:05 - loss: 3.181 - ETA: 4:05 - loss: 3.175 - ETA: 4:05 - loss: 3.180 - ETA: 4:05 - loss: 3.180 - ETA: 4:04 - loss: 3.168 - ETA: 4:04 - loss: 3.180 - ETA: 4:04 - loss: 3.178 - ETA: 4:04 - loss: 3.175 - ETA: 4:03 - loss: 3.167 - ETA: 4:03 - loss: 3.180 - ETA: 4:03 - loss: 3.167 - ETA: 4:02 - loss: 3.170 - ETA: 4:02 - loss: 3.174 - ETA: 4:02 - loss: 3.184 - ETA: 4:02 - loss: 3.161 - ETA: 4:01 - loss: 3.160 - ETA: 4:01 - loss: 3.158 - ETA: 4:01 - loss: 3.154 - ETA: 4:00 - loss: 3.149 - ETA: 4:00 - loss: 3.150 - ETA: 4:00 - loss: 3.153 - ETA: 4:00 - loss: 3.163 - ETA: 3:59 - loss: 3.161 - ETA: 3:59 - loss: 3.153 - ETA: 3:59 - loss: 3.148 - ETA: 3:58 - loss: 3.147 - ETA: 3:58 - loss: 3.146 - ETA: 3:58 - loss: 3.145 - ETA: 3:58 - loss: 3.159 - ETA: 3:57 - loss: 3.148 - ETA: 3:57 - loss: 3.149 - ETA: 3:57 - loss: 3.141 - ETA: 3:57 - loss: 3.157 - ETA: 3:56 - loss: 3.168 - ETA: 3:56 - loss: 3.167 - ETA: 3:56 - loss: 3.166 - ETA: 3:55 - loss: 3.160 - ETA: 3:55 - loss: 3.149 - ETA: 3:55 - loss: 3.145 - ETA: 3:55 - loss: 3.142 - ETA: 3:54 - loss: 3.136 - ETA: 3:54 - loss: 3.130 - ETA: 3:54 - loss: 3.129 - ETA: 3:54 - loss: 3.125 - ETA: 3:53 - loss: 3.129 - ETA: 3:53 - loss: 3.129 - ETA: 3:53 - loss: 3.124 - ETA: 3:52 - loss: 3.123 - ETA: 3:52 - loss: 3.130 - ETA: 3:52 - loss: 3.131 - ETA: 3:52 - loss: 3.139 - ETA: 3:51 - loss: 3.138 - ETA: 3:51 - loss: 3.144 - ETA: 3:51 - loss: 3.136 - ETA: 3:51 - loss: 3.138 - ETA: 3:50 - loss: 3.135 - ETA: 3:50 - loss: 3.1237"
     ]
    },
    {
     "ename": "KeyboardInterrupt",
     "evalue": "",
     "output_type": "error",
     "traceback": [
      "\u001b[1;31m---------------------------------------------------------------------------\u001b[0m",
      "\u001b[1;31mKeyboardInterrupt\u001b[0m                         Traceback (most recent call last)",
      "\u001b[1;32m<ipython-input-32-7f956a571be2>\u001b[0m in \u001b[0;36m<module>\u001b[1;34m()\u001b[0m\n\u001b[0;32m     12\u001b[0m                               \u001b[0mvalidation_data\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0mval_generator\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m     13\u001b[0m                               \u001b[0mvalidation_steps\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0mceil\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mval_dataset_size\u001b[0m\u001b[1;33m/\u001b[0m\u001b[0mbatch_size\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m---> 14\u001b[1;33m                               initial_epoch=initial_epoch)\n\u001b[0m",
      "\u001b[1;32mc:\\users\\user\\anaconda2\\envs\\tensorflow-gpu\\lib\\site-packages\\keras\\legacy\\interfaces.py\u001b[0m in \u001b[0;36mwrapper\u001b[1;34m(*args, **kwargs)\u001b[0m\n\u001b[0;32m     89\u001b[0m                 warnings.warn('Update your `' + object_name +\n\u001b[0;32m     90\u001b[0m                               '` call to the Keras 2 API: ' + signature, stacklevel=2)\n\u001b[1;32m---> 91\u001b[1;33m             \u001b[1;32mreturn\u001b[0m \u001b[0mfunc\u001b[0m\u001b[1;33m(\u001b[0m\u001b[1;33m*\u001b[0m\u001b[0margs\u001b[0m\u001b[1;33m,\u001b[0m \u001b[1;33m**\u001b[0m\u001b[0mkwargs\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m     92\u001b[0m         \u001b[0mwrapper\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_original_function\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mfunc\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m     93\u001b[0m         \u001b[1;32mreturn\u001b[0m \u001b[0mwrapper\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n",
      "\u001b[1;32mc:\\users\\user\\anaconda2\\envs\\tensorflow-gpu\\lib\\site-packages\\keras\\engine\\training.py\u001b[0m in \u001b[0;36mfit_generator\u001b[1;34m(self, generator, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, class_weight, max_queue_size, workers, use_multiprocessing, shuffle, initial_epoch)\u001b[0m\n\u001b[0;32m   1424\u001b[0m             \u001b[0muse_multiprocessing\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0muse_multiprocessing\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m   1425\u001b[0m             \u001b[0mshuffle\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0mshuffle\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m-> 1426\u001b[1;33m             initial_epoch=initial_epoch)\n\u001b[0m\u001b[0;32m   1427\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m   1428\u001b[0m     \u001b[1;33m@\u001b[0m\u001b[0minterfaces\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mlegacy_generator_methods_support\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n",
      "\u001b[1;32mc:\\users\\user\\anaconda2\\envs\\tensorflow-gpu\\lib\\site-packages\\keras\\engine\\training_generator.py\u001b[0m in \u001b[0;36mfit_generator\u001b[1;34m(model, generator, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, class_weight, max_queue_size, workers, use_multiprocessing, shuffle, initial_epoch)\u001b[0m\n\u001b[0;32m    189\u001b[0m                 outs = model.train_on_batch(x, y,\n\u001b[0;32m    190\u001b[0m                                             \u001b[0msample_weight\u001b[0m\u001b[1;33m=\u001b[0m\u001b[0msample_weight\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m--> 191\u001b[1;33m                                             class_weight=class_weight)\n\u001b[0m\u001b[0;32m    192\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m    193\u001b[0m                 \u001b[1;32mif\u001b[0m \u001b[1;32mnot\u001b[0m \u001b[0misinstance\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mouts\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mlist\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n",
      "\u001b[1;32mc:\\users\\user\\anaconda2\\envs\\tensorflow-gpu\\lib\\site-packages\\keras\\engine\\training.py\u001b[0m in \u001b[0;36mtrain_on_batch\u001b[1;34m(self, x, y, sample_weight, class_weight)\u001b[0m\n\u001b[0;32m   1218\u001b[0m             \u001b[0mins\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mx\u001b[0m \u001b[1;33m+\u001b[0m \u001b[0my\u001b[0m \u001b[1;33m+\u001b[0m \u001b[0msample_weights\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m   1219\u001b[0m         \u001b[0mself\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_make_train_function\u001b[0m\u001b[1;33m(\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m-> 1220\u001b[1;33m         \u001b[0moutputs\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mself\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mtrain_function\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mins\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m   1221\u001b[0m         \u001b[1;32mif\u001b[0m \u001b[0mlen\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0moutputs\u001b[0m\u001b[1;33m)\u001b[0m \u001b[1;33m==\u001b[0m \u001b[1;36m1\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m   1222\u001b[0m             \u001b[1;32mreturn\u001b[0m \u001b[0moutputs\u001b[0m\u001b[1;33m[\u001b[0m\u001b[1;36m0\u001b[0m\u001b[1;33m]\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n",
      "\u001b[1;32mc:\\users\\user\\anaconda2\\envs\\tensorflow-gpu\\lib\\site-packages\\keras\\backend\\tensorflow_backend.py\u001b[0m in \u001b[0;36m__call__\u001b[1;34m(self, inputs)\u001b[0m\n\u001b[0;32m   2659\u001b[0m                 \u001b[1;32mreturn\u001b[0m \u001b[0mself\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_legacy_call\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0minputs\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m   2660\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m-> 2661\u001b[1;33m             \u001b[1;32mreturn\u001b[0m \u001b[0mself\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_call\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0minputs\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m   2662\u001b[0m         \u001b[1;32melse\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m   2663\u001b[0m             \u001b[1;32mif\u001b[0m \u001b[0mpy_any\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mis_tensor\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mx\u001b[0m\u001b[1;33m)\u001b[0m \u001b[1;32mfor\u001b[0m \u001b[0mx\u001b[0m \u001b[1;32min\u001b[0m \u001b[0minputs\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n",
      "\u001b[1;32mc:\\users\\user\\anaconda2\\envs\\tensorflow-gpu\\lib\\site-packages\\keras\\backend\\tensorflow_backend.py\u001b[0m in \u001b[0;36m_call\u001b[1;34m(self, inputs)\u001b[0m\n\u001b[0;32m   2629\u001b[0m                                 \u001b[0msymbol_vals\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m   2630\u001b[0m                                 session)\n\u001b[1;32m-> 2631\u001b[1;33m         \u001b[0mfetched\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mself\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_callable_fn\u001b[0m\u001b[1;33m(\u001b[0m\u001b[1;33m*\u001b[0m\u001b[0marray_vals\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m   2632\u001b[0m         \u001b[1;32mreturn\u001b[0m \u001b[0mfetched\u001b[0m\u001b[1;33m[\u001b[0m\u001b[1;33m:\u001b[0m\u001b[0mlen\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mself\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0moutputs\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m]\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m   2633\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n",
      "\u001b[1;32mc:\\users\\user\\anaconda2\\envs\\tensorflow-gpu\\lib\\site-packages\\tensorflow\\python\\client\\session.py\u001b[0m in \u001b[0;36m__call__\u001b[1;34m(self, *args, **kwargs)\u001b[0m\n\u001b[0;32m   1380\u001b[0m           ret = tf_session.TF_SessionRunCallable(\n\u001b[0;32m   1381\u001b[0m               \u001b[0mself\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_session\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_session\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mself\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0m_handle\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0margs\u001b[0m\u001b[1;33m,\u001b[0m \u001b[0mstatus\u001b[0m\u001b[1;33m,\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m-> 1382\u001b[1;33m               run_metadata_ptr)\n\u001b[0m\u001b[0;32m   1383\u001b[0m         \u001b[1;32mif\u001b[0m \u001b[0mrun_metadata\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m   1384\u001b[0m           \u001b[0mproto_data\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mtf_session\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mTF_GetBuffer\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mrun_metadata_ptr\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n",
      "\u001b[1;31mKeyboardInterrupt\u001b[0m: "
     ]
    }
   ],
   "source": [
    "# If you're resuming a previous training, set `initial_epoch` and `final_epoch` accordingly.\n",
    "# 추후 최적화를 위해 이 부분을 수정해야 함\n",
    "# 데이터의 갯수에 따라서도 각 epoch 변수를 수정해야 함\n",
    "initial_epoch   = 0\n",
    "final_epoch     = 16\n",
    "steps_per_epoch = 1000\n",
    "\n",
    "history = model.fit_generator(generator=train_generator,\n",
    "                              steps_per_epoch=steps_per_epoch,\n",
    "                              epochs=final_epoch,\n",
    "                              callbacks=callbacks,\n",
    "                              validation_data=val_generator,\n",
    "                              validation_steps=ceil(val_dataset_size/batch_size),\n",
    "                              initial_epoch=initial_epoch)"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.6.6"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}