119_完整模型训练套路.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# 1. CIFAR 10 model 网络模型"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "① 下面用 CIFAR 10 model网络来完成分类问题，网络模型如下图所示。"
   ]
  },
  {
   "attachments": {
    "image.png": {
     "image/png": "iVBORw0KGgoAAAANSUhEUgAAAroAAADXCAYAAAD1CPK0AAAgAElEQVR4nOy9d3Bc13m4/dztfYFF75UACIIESbCKlEgViuqyRarYiSVb9uSbZJJMvkwmk+Yv/iX5JZlJJnGccTKJlciSpZCWJVOkKIkiZVKkCYlFLCDAgl4XdVEX2/fu/f64uBcLCKqWhaVynxmNwAVwsefdc97znve8RRAlSRIAAZBI8HEIAEgL/rXwu4tf09DQ0NDQ0NDQ0PhikSQJg4A0Z5oKn8JE1YxZDQ0NDQ0NDQ2N1MYgqN5ZDQ0NDQ0NDQ0NjS8PuuV+AxoaGhoaGhoaGhq/DjRDV0NDQ0NDQ0ND40uJZuhqaGhoaGhoaGh8KdEMXQ0NDQ0NDQ0NjS8lmqGroaGhoaGhoaHxpUQzdDU0NDQ0NDQ0NL6U6NDKi2loaGhoaGhoaHwJmfPoasauhoaGhoaGhobGlwvNo6uhoaGhoaGhofGlRIvR1dDQ0NDQ0NDQ+FKiA2G534OGhoaGhoaGhobG586cR1czdjU0NDQ0NDQ0NL5cfI4eXc1Y1tDQ0NDQ0NDQSB0MCw3UX9VY1Yzdmw1J+mAyoiAIH/szH/XzGhr/21m8Zj7JGvm4dfZpn6ehoaGhAQZgrvDCr6g4Nb2roaGhoaGh8Wsk+UCoHfg0Pgm6z8XI1dDQ0NDQ0ND4Avk0tyAa/3sxaEZuahOLxZiZmVEXtE6nw2KxYLPZPvEzJEkikRARxQQAer0evV7/pVIS8XicQCBAPB4HwGg0Yrfb0ev1y/zOUotoNEooFCKRSJBIJJAkCavVit1u/9TPkueVPKd0Ojmv9Wb3sChrIhQKEQqF1NctFgtWq1Udp4ZMIBAgHA4jCAJ6vR6r1YrRaFS/r8wHSZI+cm4snkdfJmKxGIFAAFEU1dccDgdms/lz/TsfJ+NUZ2ZmBgCbzYZer0cQBEKhEJKUQBQTxGIxHA4HRqMRQRDUterz+dDr9bhcLnVfkySJSCRMMBjCbrdjMplU2dzMMtL4bBiW+w1oLI1iRHR3d/OjZ35Ed1c3TqcDt9vN7bffwQMPPPAB42LecJUQBN2CZ42N+bh69SoFBQVUV1d/yO+x5L9BQpJSV0HE43HOnz/Piy++yMTEBEajkYKCAr7yla/Q0NCwQE7KZvBhRn5bWxvNzc2sW7eO8vLyBWP+uI1k8fdTbfOemZnh6NGjHDp0iHg8jsVipqqqiocf/go1NdUIgk7dJJI3BeU1SUogCALhcISWlhZmZ2dZv349LpeL+cYzS8V3S3P/FxAEUEQvSQl0Ot2CubqcKOP0+Xy88sornDx5Er1ej9FoZNu2bTz44IPk5OQsmEdL/b4ii9nZAOfOncNkMrFhwwasViuJhCzDxXPiZjx0trW18tOfvsSNGzcwGAw4HA527drFbbfdRlpaGoIAoigiCLol154yp7zeQS5dukRFRQXV1dXodDp0OuEDOgyU+ZiYe3Wh/JOfnSq6KhaL8d577/HSSy8xPj6OyWQiKyuL3/iN32DNmjXqQfzjYrolKUF7ewfd3d3U1tZSUFCw5BhlnSOpMleenTwv5deFD+i2D/vbXwSiKHLo0CFmZ2e55557KC4uZmJigv3791NZWYkgCLS2tnLXXXdRUVGhGrszMzN8//vfJzc3l71795KTk00iISGKIo2N73LgwAF+8zd/k3Xr1mEwGObW3vw8kdehQCKRQKcT1K8FQUiZOaTxq6MZuilMIpHA7/czNjrGmjVr2LVrFyaTiezsbCRJIhQKMTk5iV6vJy0tDYvFgiiKzM76mZqaxmAwkJ6ejslkYmhoiFOnTlFeXo7D4cDj8SCKIiaTCaPRSDQaJRKJqMogHo+j1+sJBAI4nU6MRiOBwCyBQBCHw4HD4UgZRSBJEjMzM8TjcXbv3k1lZSV2u52ioiL1e4FAAJPJhMvlRK/XE4+LhEIhwuEwZrMZp9NJPB7n2rVrvPXWW+rGbbVaicfjWK1WTCYTwWCQWCyG1WolGo0C8ucUj8dxOBwAzM7OIkkSLpfrc/fa/CpEo1EGBwcxGPTcd999lJaWYrfbycrKIh4XmZ2dJhQK4XI55zy8AsFggKmpaRKJBE6nE4vFwszMDBcuXGBoaBCn00lZWRlGoxGDwYDdbicejxEMBhEEHSaTiUgkQiIhe2QMBgMul5NgMITf78dsNuN2uzEYUkEVyYZXOBymr6+P3NxcHnzwQaxWC5mZWbhcLiKRCJOTk4iiiMPhwG63o9PpCAaDzMzMIAgCTqcTs9nM2NgYp06dQpIk7HY7lZWVGI0GJEn2ECcSIuFwBKPRSDweJxqNotPpiMVimM1mLBaL6lk2m83Y7fYF3tLlZnR0jOHhYdasWc2WLVuw2ezk5uZitVrx+/34/X4MBgNutwuLxYooigQCAfx+P4IgkJaWhtFoZGBggLfffpvh4WEcDgdpaWkkEgmsVitWq1W9gVDkEYvFiMfj6pozmUzMzs4SDoex2WyqnFJBPyUSCcbGxojFYtx1112sWLECq9VKYWGhKo9gMIjJZMLhcKDT6UgkEqqnXNFNer2eGzdu0NjYSCQSwWQyYbfb1RsZvV5PMBgEwGw2EQzOIkkQiUSQJEnV4dPT08TjcVwuF1arNSVkpOD1ehkfH2d2dpZYLIYoinR1deFwONi8eTMlJSVkZWVhMMhjnZycRBAE1VMu65g4s7OzRCIRRFFEFEXVqI3HY8zM+IlGo+q+KOu9WQwGA4FAQF1nBoMBvV42gjVuflJhd9H4CHQ6AbvdRnFxMStXrsRoNGAymejq6uLAgQO0tLRgNpvZsGEDjz/+OBMTE7zyyiu0trai0+loaGhg165dXL16laNHj+JwOGhvb2fDhg0MDPSzevUaNm3axLlz5zhz5gzbt29nbGyM/fv3k5OTQ0ZGBvfffz/Dw8McPHiQ2dlZiouL2bt3L+vXr08pRelyuVixYgU1NTWYzWZ0Oh0XLl7gZz/7Gd4BLxkZGdx+++3ceuut3LhxgyNHjjA0NITD6WDHjh3Ur6mnubmZ8+fPMzY2Rm9vL0VFRfT19bFz504qKys5ceIEPT093Hnnnfzyl7/k/fffx2q1UFFRwaZNm2luvsKZM2eRJInq6moefXQvFRWVKSEnQRAwGAxkZGRQU1NDWVkZer2eWCzGG2+8wZEjR/D7/RQVFfHggw9SW1tLY2MjR48eZXp6mtzcXO69917sdjuXLl2kqamJwcEhtm3bpo7vgQceIBQKcezYMaxWK5WVlRw7doyOjnacThfbtm2jurqaN998k5aWFkwmxVv6EFlZWSkhJ0mS0Ov15Ofns3LlSmw2GyaTiYmJCd58803OnDlDKBSitraWPXv24HQ6eOutt7hw4QKhUJiqqiruueceRkdHaWlpYXBwEJ/Px65du5iensZut3P33bvwegc5deoUtbW1ALz55ptMT0/jTnNz2223odfpOXHiBF6vl7S0NB544AFuu+02LBbLMktIRqfTYbPZKCwsoqZGlpPBYKCzs5NDhw5x48YNJElix44d7N69m6mpKY4ePcr169cRBIHNmzdzxx13cOPGDS5evEhLSwvDw8PU1NQwODhIQ0MDW7Zs5ty5s1y50szWrVvp6emhsfE0wWCQ3Nw8du3axdDQECdPnpTnaJ7s2WtY35AihycZp9NJVVUV69atm5tfOs6dO8trrx2mt7cXp9PJQw89xLZt22hubuatt95iaGgIkPjKV75KfX09V69e5b333qOtrY3e3l7y8vLw+Xzs2LGD8vJyDh8+TDgcZsuWLbz99tvcuHGDeDzOqlWr2L59O42NjVy8eJFQKMTq1avZu3cPZWXlqlc5Fdae1ao4a2Rj1Wg0otPp6OrqorOzk9tvvx2/38/zzz/PtWvXyMzMpKOjg9zcXCRJ4sSJExw8eJBgMEgkElEPSbOzsxw8eJAzZ84QDocpLy/niSeeAODZZ58FYHJykkAgwJNPPsn27dtxOD59OJdGaqL/3l9+73ufy5OWf418CZEYGRnh6NGjNDU10d7eTmtrG/F4nLNnz+L1evmd3/kdKisrOXfuHPF4nNraWrKzs6mtrcVsNnP58mWcTicrVqwA4N577+Ub3/gGkUiEq1evkpubS3FxMZ2dnTQ3N1NWVobP56OxsZEnnniCRx55hMFBL4cOHeSWW27hscceY2RkhCtXrrBmzZrPFNv5eZNIJOjs7OTYsWM0Nzdz5coVRkdHCQaDHDlyBIfdwe/93u8B0NjYSF5eHhUVFeTn51NdXU1gNsCVpitUVlbi8XiIRCJ87Wtf4+6778bnG6O1tY3KykoyMzO5fPkyfX19VFdXc+HC+0xMTPLkk0+yZctWmpqauHr1Gnv27GHz5s20trYyPDzMypUrU8KzGwgEuHz5Mu+++y4dHR20tLQQDAYZHPTS2Pgumzdv5itf+QpDQ0N0dHRQXl5Ofn4+FRUVlJeX09/fz+DgIHV1deh0OoqKinj66aepqanhxo0bhEIh6uvrCYWCXLhwgWg0iseTzqVLl0hLS+db3/oWFRUVvP3220xMTPCd73yHoqJiLl68CEBFRcVcKMNyKRP5ind2NsCpU6dUOV25coV4PE5zczPXr1/n/vvv55577qGpqYmxsTFqa1epIUFpaWm0tLQQj8epq6tjdnaW1atX8+1vf5uioiJaWlpIJBJUVVUxNTVFc3MzGRkZRCIR3nnnHdasWcPT33qaRCLBkSNHyM3N5Rvf+AaJRIIrV67g8aSTn5+XEkaJ1+ulsfE0zc3NXLt2nb6+PgwGAydOnCAej/PUU09RUFDA2bNnMZvlMJmCgoK5A7uR8+fP43K5KCkpYWpqivvvv5+vfe1rRCIRmpqaKCgooKSkhGvXrqnz0esdoLu7m3vvvY8HH3yQoaEhGhsb2bx5M3v27KGrs0s9oMrhE8srp0RCpL29nePHj9PS0sLFixcZGhoiGo3w5ptHKCoq4qmnnsJkMnH58mWys7MpKSmhpKSE2tpaxsfHaWpqoqysDKfTiclk4vHHH2fXrl2Mj4+rcnG73Zw/fx6/309paSnnzp1jZmaGxx9/nJ07d3Lq1CkuXbrE3r172bXrLt59913i8TjFxcWqZ3c5ZSVJEo2NjTQ2NtLW1sb58+c5deoUly9fZuXKlej1erq7uygtLeOdd96hs7OTb37zm9TU1HD58mWKi4txuVwcOnSI1atX89hjjzE+Ps7Y2Bhbtmzh2rVrXLx4kYcffpi7776bs2fPMjU1RUZGBm+9dYTy8gqefvppJicn6OjopKysjPT09JQJO9P41UidI6/GkkgSc1fubnXxhcNhenp6GBgY4NVXXyUQCDAxMcHIyAgDAwO8/vrrdHS0E4lEmJ6eYXh4mLKyMswW+RpMToQwqbFuSiKJwWBAkiQMBgPl5eVs2bIFo9FIf/8AHR2dmM0Went78Xq9SJLE+Pg4mZmZyyyheWw2G0VFRZSUlJCTk4PP56OpqQmPx8PPfvYzhoaGGBsbY2BgAEmSeP311xkZGWZmxo/NZlOvsEwmE06nc+7K0DC3AczHrirhHTabnZqaGqqrqwkGg3R2dtLW1obFYkEQBDo7O9VryFQK9bDZbBQUFJCXl4fJZKK3t5euri4SCZHOzk66u7txu12MjY0xNjbGm2++STgcZmpqiszMTDUO2mw243K51PHKV8qxOTnJHj9JgoyMDKqqqqiqquLGjRu0tbXh9Xo5ePAg09PTjI2NMTExQSwWw2QyLatslM/aYDCQlZVFRUWFGhbU399PZ2cHggAWi5UbN24Qi8Xo6enh6tWrnD9/nlAoxNDQEHl5ecRiMXQ6HXq9fi7EQVANCjkOVd5E5atXiaqqKjZt2kR+fj7Nzc309fUxNjbGjH+G4aFh/H4/IyOjiGICg2H5N2D5c9bh8WRQVFREfn4+Y2NjtLa2EovFOHz4MDMzM/T19eHz+RgcHOQXv/gF7e3tRKNRxsbGmJ6eJjs7W72KV4w5+dpYRtAJapJRPC5SXV3D6tWrcblcDAwM0NfXRzAY5Pr1a/T09JKZmcHsrH8ZJTOPEivrcDgoKysjPz+fnJwcJiYmGRkZYXx8nImJCSYmJvD5fIyOjjI7O8vRo0cZGRnG5/MRi8XVMBB5L3DhcDgwGAzqHJqP/ZZ1jMViob6+npUrV2K32+np6cHv93PixAlcLhde7wCZmZnMzs7i8XiWU0QqgiCQmZlJWVkZGRkZhMNhBgYG1HEKghzWc/36daqrq6mqqsLhcFBaWorRaKS9vZ1wOExtbS2VlZWsW7eOzs5OwuEwzc3NDA0NcfzEcUwmE16vF4fDQTgcxmKxsn37diorKykrK+f06dP4/X4SiYSWzPwlQTN0UxQlYUCSJNLS0tixYwePPLIHURS5du0aAKWlpdTX1wOyYvN4PFy4cIHu7m6efvrbRCIRDh48SDQaAeSNSRRF4vE4iYSETqdXY5zC4TCRSETdhM1m84I4t4yMDOrq6nC73dTV1ZGdna1eF6WCAScIAvn5+ezZs4c1a9YgiiJvv/02ZrOZFStWUFdXR01NDWlpaVitVk6dOoXBYOC3fuv/YWhoiKamJjWWSxRFNZFMEIS5GFz5tWg0SjweVw8HiowSiQRGo5G8vDx1c9myZQv5+flzyVqpkRVtMBiorKxk79691NTUMDU1NXc17mbFihVkZGSyatUqcnJyCAQCnDx5koqKCh566CGOHz+uXkcr80Sp3KAYdPJmFCcWi2M2z1f5UK6R5bhwI2VlZdTV1ZFIJLDb7ZSXl6dQ/KmA2Wxiw4YGvvGNb+B0OhkfH+f8+fMUFBSyapW8DjZt2kRBQQGtra20t7dx1113UVBQwJEjRzCZTKpslHmizCslvjQWixGLxdQDpywnPZIkV8RwuVwUFRVRVVVF3ao60tLSqKmpTpnNNx6PY7fb2bx5Mw8++AA2m43m5hYMBgP5+fmsWrWKRCLBjh07KCws5J133mF0dJRHH30Uj8fDCy+8oMZRyjopkZSohjqvhLnrQsWYk6vG6NS47/T0NGpqasjJyaG+fi0FBQUUFxcvp2gWIEkSWVlZ3H//fWzatIlEQvZeKnkEFRUV6PV6HA4HmZmZvPDCC+Tk5PDEE09w/fp13nzzzQUVThQ5zSeKyv+W5xLq2lTWk6L3c3Nzqampwel0Ul9fT3FxMRkZGSmhl5TPvbq6mscee4zS0hICgQBDQ0OYTEZ1nMlzJJFIIIqiuh7khLJ5w99isWA0GtU153a7qVpRhdvtZv269RQVFaHT6RYcGJSvY7GYKm+Nmx/N0E1x5ISFIJGInPhkMOjJzMykoKCAsTE5Sc3pdBKJRAiHw4iiiMvlIiMjg+vXrzM6OsqKFStk71pCwu/3EwqFsNlsGI1Genp6yMvLo62tjfFxn+pxUhSf4iVNS0vD5XKxadMm1dCz2WzLriAVFGNTSRDT6XQUFBRQUVGBzWZj06ZN6magJDEoY7p06RL9/X0YjTtV5TY7OzuX3CERDAYYGBjAYrFw5cqVOU/lfOa4KIrY7XIizvT0NOXl5ZSWlqoeAYPBQCIhqhm+y8nC7HVJvTpua2sjMzOLLVu2qFnaHR0daqJjJBKhr6+PcDisbgZKMqTNZsPhcDA4OKh67wYGBqipqVE9cYpcc3NzKSoqxu/3s3r1atxu91xSkV29UVi+OZU895Mz0yUsFgtZWVlMTExQUlJCXV0dkUgEvV5Pa+sNTCYzmZmZhMNhvF4vJSUlcwktesLhMNPT05jNZuLxODMzM/T393Hp0mW6u7tZu3ZtktEiG3m5ubk4nU7S09PZsGGDmrBmsy1/qJCCUgJKLlUnH5zz8vLIz8/HarVQW7sSp9NFIBAgkUgQiUSw2+2kp6czMDDA6OioekOiJPT5/X41yWp4eJiOjg4uXrzI2NjYoioxctJfZWUlvb09FBQUsHHjRtUQMhpNKaGbFCNLnv/ynNLrdWRmZmKxWEhLS2P9+vVYLBb14BONRlWv7cDAAOPj46ouicfjTE1NEQwGsdlsTE5O4vUOYjSaaG6+Ql5e/geqKej1ekpKimltbaWiooLKykrC4bDqPV/ecKGFJBuY0ahyEFQM2/nbxq6uLrxeL/F4nMHBQfLy8igrK+PcuXN0dXWRnZ3N5cuXmZqawmazsWbNGt5//33Ky8upqqpCFGV9PDo6il6vV3X6fIUKjS8TmqGb4hiNRtLS0rDZrHOvCOTk5HDHHXfwX//9Xzz99NOYTCZWrFjBnj17qKur45133uG3f/u3cbvd2O12HA4H2dnZpKen86Mf/YjTp0/zta99jcrKSl544QUOHjyI2+0mKytLvZJWaoYaDAZWr17NwEA/zz//PD/84Q+xWq3ceeed/NZv/RYGg37Zy0PpdAIWixmbzTantEGn07Nq1SoefPBBnn32Wb71rW8BsHr1ah599FEqKip4/vnnefPNN/F4PGoWdHFxMW63m+9///vs3LmT3bt3U15ezjPPPKNmiSslkBSPicGgx+2Wve4+n4+/+Zu/QZIk8vLyePChB7ln9z0pkQWu1Dk1m80ob0UQBBoaGhgdHeX555/jX//1BzgcTu666y52795NWVkZL774Iq+++upc4lEhFouFsjI5Vu4v/uIveOSRR1i1ahUXLlzgj/7oj0hPT8dsNqtxySaTCYvFgsFgICcnh507d/Lcc8/x27/92wiCQFVVFU8++Q02bdq8jNJZiFKrWjHmHA45gWxycpJ//Md/JB6Pk5mZySOPPEJ1dQ2XLzfxd3/3dzidTgD1ar26upqf/exnNDU18cQTT7B69Wpeeukl/uIvvovT6cTtdmOxmNVKDEpIQ319PePj4+zbv4+f//zn6PV6tm3bxte//nXcbvcyS0fGaDRis9nU9614Lh944AH27dvHH/zB/6uuqa997Ws0NDTw4osv8id/8ifqbZDFYqG0tJSSkhL279/PlStX2Lt3LytXruSll15i//79mEwmtaSUxWIhEpFvqPR6PWvXrqW3t5d9+/bxr//6rxiNRu6//3727t2bEvkDOp3uA7WFAVauXMk999zDT3/6Uw4cOIAkSTQ0NPDYY4+xZcsWfvrT/Rw+/BoOh1P9/eLiYk6dOsX3v/99tm/fzn333Ud+fj7/+Z//OXeYTrBiRZVa/UQJKTKbzezdu5d/+7d/5+///u+Jx+OkpaXx1FNPsWPHjpTIHwDZm6qEhQEIAnMVNExqXXS73c5jjz3G97//ff7sz/6MzMxMQqEQBoOBiooKdu3axfPPP88LL7yAxWLBbrdjNpu58847GRoa4p//+Z8JhUI4nU4efvhhqqur5+RrUHW61Wpd8D40bn4EKfE5HV+0OfG5I0kJIpEoMzMzqsE7/z2JQCBAf38/wWBQjWtKJBJqvK7L5cJmsyGKoppk5fV6CQQClJaWYjKZ8Pl8hMNhsrKy1PI8ckLOLHl5eapHLhKJ4PP5GBkZIS0tjfz8fFWRLrdCEEWRqakpAoEAmZmZWK1W9XuSJDE1NaXGeuXn52O32xFFkdHRUaanp8nMzMRgMGA0GnE6HUxPz9Db26sadKIoMjg4iF6vIz1dlqPL5WJ6ehqdTiA93YPJZEIU5ZJlo6OjzMxMk5Ulh3coHpPlviIURRG/Xy6vk5aWpsbDylfHMXy+cYaHh3G73RQWFmIwGAiHwwwPD6u/A6ileXw+H16vd+7nC/D7/QwNDeNyuVSDT6/XMzs7i91ux+12qx5Av9+P1+slHA5TUFCwoOLCcs+neDzO8PAwOp2OnJxs9XXZ6xhieHiYqalJsrKyyM/PBwSmpqbw+Xw4nQ4sFguSxJwMJAYGvExMTKhVTCYnJ/H7/aSnp2MwGFRPbzgcVkNrAHWOjo6OYDabyc3NU0tNLTfKupqcnMTlcpGW5lbneSIhlz4cGBggEomQl5enXpH7fD58Ph8ej0c1wpTSft3d3YTDYQoLC3E6nYyNjRGPx9UKKsrNVSwWU0uWgew1HRkZwefzYbVaycvLU0v9LTeSlGBqappAIIDH41Eb/STXbPZ6vWqVD2WN9fX1EYlEyMrKUhsl2O12NebZbDZTWFiIJEn09fXhdrux2WzE43GcTgdTU1NYrTa1ZJlSMrK7u4vp6XndlNxIYbnx+XwkEgncbtdc6I/s1bfbbYhiQvV0WyxmotEonZ1dpKWlqaFBcplCPcPDI0xMTJCZmanqLZvNSiIh0dPTw8TEBB6Ph/z8fPR6HT7fOB5POjabjampaXVtKo4TjZsbSZI0QzeV+XyvUJKbPny6BhAfVSA/FZSkcjWebFACH7jCm/vqY+SqNDX4uJ+Zf/ZSDTvmvxZS4jCwXHyUHFNVJks1UFE+w+QmIF9kQ5DlLui/FEqNUlk2v9qzlLCNxSx+9nxYyYfrpVTno5pa/Crj+az7xc0mP4X55jZKE5oPjn+p5hgf9bz5rxMkN93QuHmRJEkLXfjfQ/KG8ek3pqUWfCopgaUMz4/5jY80+j/NIQAWblCLn5dKckoVblaZLDS6vsi/m3pGXfIVc7IBCqgGyCf3gEgIwscdilJbB31SPuo9/yrjuRll8auwcLxaXK3Gh/NBQ/d/0VpJtY1D49fHvKdXSNqghTmj9PPdJLQ59eVicRLU4q+/6PeRKiw2cJc69H3wdz5qDKk1Po3UJh6PEwgEsFotn0tzkIVzM3VDFjS75dOzcHZ8gbJLjp2sqKhYsh3hh12Xf3R9Ozm+dGhomJKSErW8iE6nQxTFFMjs/uQkX8N/HB82pqWu8hdn3t/sfNLYzk/ilV4sx4+6ZrzZ+Lyuvz/NcxbPsS+DHBez1PgWevilD/VwJodF3HwIS3qakz9zZdxLJax+Gj28lO66WVk6tEopZbX0TdBSevrDZHCz7G+fhWTZdXR08Prrr3PHHXdQXFzM9PQ0LpcLt9v1ucSxp6oMBUHg3LlzTE5OYrFYcDqdrFy5ckFuymL8fj8dHR2UlZXhcrnUcKvkMnXKsxWUkm7J1YKam5spLSGmL0wAACAASURBVC390LrwSjWLVJOd/nt/+ZffkzXRF/uHg8Egx4//ghdffJGNGzeqyQNKH3Ngrj7gfCyY8n+5ZIpSwzO51mkcSZK4fv0G+/fvp7q6ekHwf3KpF+WDTrUPZDHzdRLn6yfK8YFy7UnlJKuMb748yryyS5ZbPB5Dr9epG4/82nwNy8WbbqrLJxlljsjljhJqjU6lF7oyNlEUiUajC14HuYuRKCaIx2MkEiKCoEuSWxxRFJc0Sm4GQ06ZRyCp9UflODRhwbpIrkmZXOdVKUSvyFP5HYD5cmvSnAwXyjv5v5sBZR7FYrEFa0eZUzAfl5v8c4qHU5Fp8pqUr1YFVVYfteZuBpRE2VgsBrDEWkp8oA6pPN6EGvKhyEn+T1wk2/ma30sZbjeTvOQ5lFBrJyvEYtGkvUhAEOZrAyu6RpkvyppT5iPMh84kvz5/sLh55KOgrBdlPSj6KlmPJ8+zcDhMOBympKSEvr4+Dh8+jMvlIjMzC4NB1mPxuPiBtflJSFX5RaNRfv7zn/Pyyy8zMDDA1atXOX36NHq9nsLCQgRBTjpUqsVEo1F0Oh1Xr17l1VdfJTc3V03gEwRBLf2XvDcq80+uAKNHFOXvd3V18dxzz5GZmUlWViYGg55EIkEoFAbk+ajYJ6kmP4Ns4H7x13Dy4pUV/ezsLCdOnGBmZobJyUmCwSC7d+8mLy+Pvr4+rl27hslk5MaNVlatquW223YwMxOjubkZl8vFmjWrGR4eoampiaysLN59910OHDhANBqloaGB9evX097ezvnz53E4HGzevJmNGzemUIH6pZEkCa/Xy5kzZzCZTAwNDeFyudi4cSNdXV3cuHGDNWvWsGXLFqLRKM3NzWor4E2bNrFp0yZisRhNTU0MDQ0RDofx+/3s3LmTlStX4vf7OX/+PBcvXsRkMqm/k0o94j8JoijS1dXF1atXEUWRgYEBVq5cSX5+vtrb/dZbb6WqqoqZmRnOnj0715bWzdatW6mtrcXn89Ha2kogEKC3tw+bzcadd95JUVERo6OjnDp1itbWVnJycrjllluora1NucX8cQQCQa5fv47X62VmZoaZmRkaGhqwWCycP38em83G7bffTn5+Pn19fZw+fZru7m5KSkrYsWMHOTk59Pb20NnZRTAYZGhoiMLCQm69dTtpaWm0tbXzzjvvMDY2RnV1NbfeeisFBQXLPexPzcTEBBcvXsTv9zM9PU0ikaChoYGZmRlaWlooKSlh69atuN1url69yrvvvcvE+AS1tbVs3y7L4urVq3i9cg1Un2+cdevWsWHDBgwGPVeuNHP27FlmZ2dZs2YNW7duJSMjY7mH/YmRDRKJoaEhOjs7mZiYYHR0lPz8fGpra2lra6Ojo51Nmzazbt06BEHg4sWLXLh4gXg8TsN6WScLgqDWOvV6vUSjUW677TZWrlxJPB6nsbGR8+fPYzabueOOO6irq0t5nb0YURS5fv0aXV3dagWT+vp6CgsLee+995icnFTH7Pf7OX36NK2trTgcDnbs2MGKFSuYnZ3lwoULapUdl8vFrbfeSmFhIaOjo5w+fZr29nYyMjzcfvsdVFRULHuHwU9LPB7n7bffVptahMNhTp06RXFxMZOTk8zOzhIIBBgZGWHjxo2sXbsWs9ms1h9uamrinXfeob29ne3bt3PXXXfR1dXF2bNnEUWRW2+9lfXr182VnLv5DpYgr7vm5maOHDnC7bffzq5du7DZbBw4cIBDhw6Rl5fHyMgIOTk5rF5dRyIh8c4771BRUcGFCxc4ceIEXu8A27ffSn19PQMDA5jNZlpaWvB4POzatQuPJ52LFy8Ri8XYtGkTFouFN954g9LSUq5du8Z7773H6Ogoq1evZvfu3YyNjXHu3Dmi0Sjr1q1j27ZtasWdVEL/ve/9f99TCll/kcjlQTrp6Oigrq6OV155hddeew2z2Ux3dzdXr16lpqaGa9eu8cMf/pCxMbn0yDvvnATk+npHjx5FkiSqq6vp6Ojg1Vdfxel0kkiIXL16jZUrV5KVlUV/fz8HDhzAZpPr4zmdTjWsIVUnvHKKb29v5z/+4z+4fv06CSlBY2Mjp0+fZmxsjNHRUa5cuTJXoN3K5cuXGRsbY3Z2losXL2I0GrBabbzyyiu8+uqrmEwmBgYGePfdd8nIyODq1au89NJL6HQ6tXB4UVHRgiuQVJVPMpFIhPfee4+f/OQnjIyMMD09zfHjx7l8+RKzs7PqoaC4uJhgMMjly5cIBoP09fVz+XITWVnZiGKCH//4OY4fP45Op6O1tY3u7i5cLjeNjY2cOHECh8NBJBIhLS2NkpIS9VScTCrLa3p6mkOHDvHyyy+TSCTwer28/fbbdHZ2Mj4+zo0bN5iYmKCsrIyBgQGuX79OKByirbWN0dFRiouLaW5u4dlnn6Wzs5NIJMLFixeYnQ2g0+l5+eWXaWlpUUsa5eXlLSgbdrMwNjbGCy+8wPHjv0CSErS0XOWXv/wlXq+X4eFhmpub0enkov9tbW309PQQDAZpaWlhZmaG3NxcTp48yb59+5iammZycoJLly5htVqZnp7mwIEDjI6Oqp6PwsJC0tPTl3vYnwLZ89bS0sJ///d/c+3aNWKxGGfPnuXs2bNMTU3i9Xq5du06GRkZOBwOWlpamBifYHx8nMuXL2O1WrFarfzP//wPb7zxBolEgt7eHtrb20lLS+P8+fO8/vrrqqdSKWmo1Hy9WeZUNBrl+PETPPfcc4yOjjI5OcmxY8d4//33CYVCtLS00N/fT2FhIbOzszQ3NxMOh2hv76C5+QrZ2dlEozH+8z//k/Pnz6PX67l8+TIDA3IL32PHjtHY2IjBYEBMiGRlZZGbm3vTHQji8TgvvPAC8Xic8vJyRkdHee6551RD7PDhw0QiEYaGhnj33XcpLy9namqKffv2qV0cW1tbyczMpLS0FJ/Px89//vMFzX1KS0uw21OnFfunJR6Pc/DgQURR5JFHHqGgoACj0YjJZOTcubO43W4OHz6MTqejpqaGWCzGT37yAmlpaWpH1by8PMrLy7FYLPzjP/4DbW1tmExGzp9/H7/fT35+AW+99Rb9/f2sWbMaSZL4l3/5F7W28HvvvUdubi7l5eWEw2F+/vOfMzs7q8q4qqpqyTDU5WbZXXfKtVRaehr33Xcf3/72t+no6ODZZ5/lxo0bGAwGSktL+f3f/31yc3N5+eWXOXr0KNXV1eqpVbmyMZmMOBx2ysrKWLPmAk899RQOh4PDhw9jt9u57777qampUetXpnp8qnJd5fF42LlzJ/feey9vvfUWjY2NPPnkNxAEgf/5n31cvHiR2tpa1q1bh8lkore3l+HhYS5dukxRUTEWi4X169fzx3/8x4yNjfGjH/2It99+m4qKChwOB7t27aK+vh63250yxcM/DcoVX0lJCU888QQej4fnn3+eaDTKH//xH9Pe3s6xY0fx+XzU1dWxbt16Ojo6CIVCtLe3c+XKFdatW4fFYuGuu3bx5JNP0tzczNGjR7l+/bpa63Xv3r3k5cm1TG82r7eM3Fmorq6Op59+mlAoyMsvv0JhYSF79uzh5MmTc55IL2VlZUSjUbq7u/HP+Onq6qK7uxtRFCksLGT37t3ccsstvPbaazQ3N2Oz2TCZTKxfv5777rtP7eyVagrvkyBJEmazmdtu28G3v/1tjh8/zpEjR7jlllvYuHEjBw4cUDt1rVq1ing8PmcEy62kV61aBcjtTJ944gkKCwv593//N65cuUJ1dTVms5m1a9eybdu2BbVVbxYkab5Fb2ZmJg0NDdx222289tpr9PX18dBDD1NYWMhzzz1HW1sbNTU11NfXYzKZ6Onpoa+vj46ODtXbf+utt/L1r3+dQCDAiy++yJUrV4hGo+Tk5LBt2zbWrVtHenqaarzdbHNKOcz8xm/8BnV1dXz3u9/FarXy1FNPMTAwwBtvvIHP52P16tVs2bKFtrY2otEY586d4+rVa6xduxaXy8XWrVt54IH7aW5u4dVXX6Wrq4vR0VHKy8u5++67qaiomGuwcHMZucko1+dKG3qTyagabt/5zndIS0vjz//8z2lvb6eoqGgujFFPeXk5a9eu5e6772bt2rUcP36ctLQ07rjjDlV+qVQz+LOQSIiMjY3ONcEwqSXQcnPzcLncSFJCbd6i3JbH43F0Oh35+flUVlbyxBNPsHbtWjo6OrDbHTz55JPcfvvtnDhxgv3791NfX084HMZisQCC6swRBIHy8nLWrVvH17/+ddauXcvRo28RiUS466472bx5M9nZOSlbd3jZ3tXiCafX6cnOzlYLruv1ekKhEJIktynNzs7GbpeN2OSyNkrMlxKvq9cb1PjBYDCI2+1iy5Yt5Ofn88Mf/pC//du/5fTp00Sj0QVxv6lIcq1OxbhyuVx4PB61yYHJZCIUCtHZ2ckzzzzDmTNn0Ov12Gw2ZmdnmZ2dVTtSOZ1OXC4XZWVlxONxNm7cSGlpKT/+8Y/5+7//e06cOIHfPzMXE5wc75v6CIKAw+EgKysTo1GWU3p6OoLAXIc3I4FAgPfff5///u//4saNG6pXKRQKAeDxeCgvL8fhsONyudRuQ3V1dYRCIf76r/+af/qnf+LSpUtq3J3y+aR6nKWs9OS+8E6nUx17enq6GrdlsVgQRZGxsTFef/11XnzxRUZHR9QOU4FAAEEQ1G57BoNhrsC9hMNhV0OE/u///b/8+Mc/pq+vb3kH/RlRNlqHw4HVasVisZCdnUVmZiZ2ux2r1YrJZGJ8fJz9+/fzxhtvzLW3lWUSj8cxGo3k5soNIjweDzk5OYiiSFlZGWVlZbzxxhv81V/9FQcPHmRsbGy5h/ypUA6WiURC7brodDqx2WxkZWWRkZGxwKi4dOkS//Zv/8aJEycA1CY2sVgMu91ORkYGFosFs9msNhNZs2YNLpeLF198kb/927/l5MlTBALBlF5jS6G8X7fbjdPpxGKxYLVaKSkpweNJx+Gwq4nSjY2NPPPMM7S2tmKxWuZuJ+XWyQ6Hg+LiYlwuN2VlZerc3LVrF4FAgB/84Af88z//My0tLWrs/M3GUgmNSp6E4oRRGvso8duJREK9jYxEIoiiiNlsZvPmzZSUlLBv3z7+9E//lDfeeIOZmZllHN2vjtlswWKxEg6HicXiav5SMBic6+pmWhBvqxipivGZXPdbFEW1zbROpyMjw4PSwESJ0U2uB6/IOB6PEwqFEASB227bwZYtWzh48BD/5//8FS+//DLT09NqXH0qsaxuKeWDSA4hEMX5hA+FmZkZ/H4/NpuN0dFRQPa4GI0mRFHuIR6JRBgfH0eSEnNtaYW5Xt5mqqur+cM//ENaW1v5xS9+wb59+ygpKaGsrJREIjk7ONWUqKQmAen1evR6ndoiVKfTo9PJ4wyFQvT29hIMBvmDP/gDnE4nBw4cYHBwEKPRiCRJ+P1+JEliZmaGgYEBXC4XK1as4Pd+7/cYHBzk2LFjvPHG62RnZ7Fu3bplHvenRxAEDAYDOp0eJRFPkZMsO72qFFasqOKb3/wm/f397N+/H5CVwNTUFMPDw4iivLlEo1E8nnQ2bdpIfX09XV1dvPrqqxw6dIi6ujrsdjuCkIrz5oMoikdJ6FCUn8FgWKAQBUFgaGiI7u5u6uvrefLJJ3n//fc5fvy4qkAVRWgwGAgGg8TjIhkZmdxyyy1s3ryZCxcucOzYMQ4ePMhv/uZv3lTxp7Aws3vxuktW4MPDw+j1Oh59dC+bN29h3759tLa2IkkS0WiUiQm5A5rf72dyckr1gD7++OPs3r2bkydPcubMGTweD/fdd99yDfdTkzxXYP5GTa/Xq/NKkZcgCFy/fh2r1cqePXsoKCjgxRdfVJMeQ6Egk5OTC5KvrFYrVVVVNDQ0MDk5ycGDBzlx4gQej4d169alrNdoKZKrTyhfJxIJotHInFGiU3VPR0cHK1eu5Ktf/SqRSISO9g5isZiaYDQ1NUU0GlX/b7Va2bp1Kw0NDXR3d/Pcc8/x1ltvkZmZSUlJyXIO+1OTnNypVGSamZkhGo2SSIjodPokp4Iyv+T5F41GMZlMqh6TpAR5ebl85zvfYWxsjJMnT/KLX/yC0tJS6urq0Ol0S4ad3Qxs27aN559/nq6uLrKyMtHp9HR2djIwMMCOHTtwOp0EAgFEUWRycpJAIKDKRnb4GNDp5CTQQCBALBYjkUgwPT1DPB7HZDLhcDgIBGYRxQSzs7P4fD7i8biq/x0OB4lEAqvVyje/+U3uvfdezpw5w09/+lMKCgpSMv9p2QxdZRNRNgXlJDKfhTvvUezu7uYHP/gBFRUVnD17lm3btpGRkYHL5eL111/H6x2gp6eXoaEhBEE2bgKBAD/5yU/YunULMzN+enp6sFqteL1e0tLSsNvtJBJKs4DlksLHIRCPi2oWJcyX8lEmrrLBpKenE4lE+MlPfoLJZKKxsZH6+npEUSQcDtPY2Mg//MM/EAqFGBoaYteuXZw8eZLm5mYcDgc9PT0YDMaUDCT/JCibquJpSs5oVzZVRbE1NTXxH//xH4yPj9PU1ERRUREgx2Z2dHQwOTlBX38/Vovs8XzttdcYHBzCbDYzPDxMeXl5Uhe2ZRvyp2LeaNMnvaabmx8h1QCOx+NkZmYyOzvL5cuXmZ31c+WKHDe4detWBEGgt7eX/fv3c+7cObq6utTSNs899xyRSGTOsJu8KZOHYN6bNF85QfaGJ2cUS5KEx+MhGAxx8OAhLl9u4uzZs2pGsyiKXLx4kWg0is1mo6uri7vvvpuenh4OHz6MIAj09/erazc1D9ofjrLp6XTz8yr5VkOSJLWCTm5uLk1NTRw6dBCj0cgvf3manTt3zs05Oe8gHo8zPT2NJEmsXbuWpqYmOjs7sdlstLW14Xa7sdttN5WMYN7QVeSTSMiOGCX0SVl3FouF/Px8Tp8+jd/vx+fzcePGDTZs2IAkSQwODtLb28vg4CBtbW1qG+6XXnpJbX08OjpKQUHB3LXzzYVer2PlypUcPnwYn8/H0NAQHR0d3HnnnSQS881E5NAGRbfL4Q16vV5tj3zixAnVnuju7sLtTuPChQsozjH5GbAcCfifB2vXruWXv/wlP/rRj2hqalKTNrdv386aNWuYmJjglVdewWAw0NPTo4be5efnEw6HefPNNwmHwxgMBvx+P88//zxNTU2cO3eO2tpaNmzYgM1m45lnnuHZZ59VEwABXC65bNurr77K5OQkOp2OK81XKCwopLOzUzWSU6FF+WL03/veXy5LMpqiCO12O2vWrMFoNFJQUEBBQYF68igtLWV6eprR0VE2btzI2NgoGzZs5IknHic9PZ2cnBwSiQQTExOsXr2aDRs2sGLFirlrIQ+9vb0Ighyf0tvby8jIMKWlpWogN4BOt7CBQKqQXBrMZDJRU1NNVlYWoihis9morq7GYNAjSQmKi4toaGjA4/Hg9Xqx2+3cdtttVFdX4/F46OvrQ6/Xk5eXRzweZ+/evTQ0rCcUCtPR0YHXO0BBQQFf/eojVFZWLvCY3AylapTDktVqpby8fC52WyIvL5+ioiJ1kyktLWXlyhrsdjujo6MUFhayfft2ampqsFgsjI+Pk5eXSyIhUVxczJ49eygvr2Bqapq2tjYmJiZYt24de/bsWZA8lOryURBF+borLy+PiooKdbMtLCwkPz9PvSKsq6ujvLycYDDI1NQ0q1atYuPGjRQVFTE9PY3P5yMvLw+j0cjKlSu59957yc7OZmxsjM7OTiRJYufOnezatWsutOHmQrlRKikpobi4GFEUcbtdVFRU4PF4EASBjAwPK1asIC8vT72uq6+vZ/369RQXFzM8PIzRaCQrK4uElGDX3bu46667MBqNeL1eent7SU9PZ/fu3dTX16d0YuyHEYlEMJlMlJSUkJ6eTiwWIyMjg9LSUqxWK7FYjOLiYhoaGsjMzGR4eBi73U5DQwP19fU4nU66urrUsBm73c7u3btZvXo1oVCIrq4uent7KS8v5+GHH2bFiqqU3EQ/jkRCVEPGHA4HwWCIyspKSkpK0ev1mEwmKioqqK2tRZIkRkZGKC8vZ/369axfvx6j0UBfXz/5+flEIhHy8/P5yle+QmVlJYFAgM7ODkZGhmloaOCBBx4gNzf3pptLgiBQWVlJIpFgYGCAyspK6urqqKurw+PxUFCQT1lZOWazGUmSKCsrIzMzE0EQWLFihbrXDQ56icfjZGdn4/V66e7uJj8/n69//etUVVWpHs2l6jrfDBiNRlavXo3VaqWnp5vJyUkeeughHn74YTIzM6mqqkIQBMbGxqivr2fVqlXU1NRQVVVFVlYWg4ODzMzMYLFY8Hq9rF69mqmpSWpra3n00UfJzc1Vkxn7+/spKyujtraW6upqysrKSE9PZ2hoiEAgoNYu7urqAlBjd81mc8rNP0GSROmLMnQXx20osRzzXpLEnEdO/jm51u5xjh07xne/+13S09NVI1h5XnI8knIlAczVmRXnXtOpdWjlaw+96r5fPOGX+oA+qqjyr5Nkz6QyNqVmYvJV6sLauvN1BiVJor+/n1deeQWj0cjv/u7vzhnORnXc83U+URWAPD7lqi01DwLJKPMgOS4p+bNKlllyjVNlnImExJUrVzhy5Ajr1q3lzjvvnJsjurl6zdICOSdvtovn9Ocpo08T57T4737wdyV1HMlXz4trMycS0oKYrmRPYzQa5ejRo5w5c4YHH3yQrVu3fuDvLfakp2JNxY9Did0H1Dhtpd5pcq3P5Lmh/J4SK7h//36mp6fmDtWFau1qpZ6qKCZUXfZZ1tcXrYuWQkmWVXRR8lySZZWYe69yLoU8ZkF9zev18l//9V9zh+yvqvpduelTrrGT55L8u0t7vz9qvSyXnJQ4fklSvODzXfWUesGKdzK5FryybvR6Pe3t7ezbt48dO+SYSCXcCBbWK/4s6y3VbhKU8c/r2Hn5KO8zuU5s8l64ON9G0dmSJH3gIJlKY/60JN96z9+s6NSvlXmk7IPJY49Ewuh0et5//31++MMf8ju/8zusWbMGk8k0dwiY13HK2hbmGr4oz5Zrq8se8uQ614ouS7U5JUnS8oYufDBzXVZkyhzX6XQ4nU7Ky8sxGAzqaS45GU2Ox/1g8we93qBezUoSCz4wYE7xfPJT3eIFtPjv/TpYvGEofzNZbsneV51Oj8k0H0eoTMbs7GxMJuOcglRi5+Zj6ZLHNj8mAViYkCZJn8zoVRpcfFEJWskyWfz+kheh8vriGD9JkrDZbOTk5OB2p2EwGNXNVt6QPvk4PssiVxL/5kbza5KZoBoZ8t+U5mLfdHNxzcoBUJnb88aL/D0BSTKQnp5OYWGhmqCWfEhVjOT5W4CFn8FnYXmU5sJuXh+25mRDRHmf8wa+UnrMZDJhNi9sTyoISpycnFvwSW9MUmXzSNYtsv6dN9TlOTJfOH5efgA6dLqF3eLMZjMFBQVkZ2fPZdgvrP26eE0v9T6Sn/dx73s55CcI8mF58XuRvyevkXl5CRiN82NW5GcymcjIyFBLPCnNEJSs+E8Sb/pR8kmVuQV8wCZQ5tmH/Uzy2G9Gb/9nYaGTK6EeoBV9q5QLXQqzWQ5rsdlsFBYWYrVa1SQ/mJ8nyt9IRpknyc9eao2mylxKZlk9uh+npBIJkUgkSjQaxe12f+SzFz9LOVkop2PFQ7CUobPwPSYblR9vCH8RH+riMSmGhfyabtHPKafYeU+nki2fluZGEbWiFOaNrKU7os2fHBcawUsZvIq8BYEFnq7kTmy/Lj7Oy/PRhrlEKBQiGAxitVqx2awo2b4KS51Uk+M4gSSv3Se/AVCU1TyfzdD9eI/u0r+zeB4ln+QXxzsrISKxWAyLxaIqvGQvgDL2ZC/AUu/v45ifyx88vHz4zy8c22dF8cIpxv7HPX/+MDj/M36/XFvS6XQmrTVJ/byVcX3cNerSh1A+8Ll9USQbusp4lc85ef0nd15c/JryupIQYzKZsFgs6mb9aYy2xXp/3jD64DOWYwNe7CBZ/B4Wz6OlXlPil5UKIPJBTPeBn/sox8Li+at0C5vvypZ6xgl88H0v9fmm6nv/dZDsxYWF+4fiaFjsvFqKWCzGzMwMDofjcym7lsqfwbJ6dCVJzqy8du0awWAQi8VCTk4OFRUV6uYSj8cZHR1ldHSEeDyO3e5QawWCfJXa399Pb28vohgnPd1DRUUFaWlpTE1N0dbWht/vx2KxUF5eTk5OTpKnLvm9yFfbo6NjtLW1EYvFcLvdlJaWkp2dRSAQpLOzk5GREYxGIyUlJRQVFam1eH9dH7LidRsfH6etrV01xIqLi8nOzmZqaor+/n4mJydxuVxUVVWRluZW34+Seen1egmHwzidTnJycsjMzESS5Bjp8fHxuYoNgblnl5CdnU0kEqa3t4/R0VH0ej0FBQUUFRVhNBpYag2Josj09DQ9PT1MT09hsVjJz88nLy+PcDjM4OAgg4ODJBIJMjIyWLFixedaPzQSieD1ehkaGiQWi5Ge7qGsrAyr1crw8DA9PT1Eo1HS09MpKyvD4/GovxuNRvH5fAwPDxMOh0hLS6e0tBSn04l81SwyOjpKb28vkiRRUlKitlsEuY/4wMAAExMTWCwWSkpkGS6lgJSY8t7eXiKRCIWFhRQWFqjPikTCDA4OMTQ0iF6vp6iomLy8vM8t0zwUCtHT08PQ0CCCoCMrK4vi4mIEQa62MDIygijKheeTe5onEiKBQIiRkREmJiYACY8ng/z8/LnqE3K7Sa93gP7+AWw2G+Xl5WRkZKhG0Pi4j66ubqanp8nIyKCiouJDau3Kc3NkZBSv14vSyCQ7O1v1IPv9fvr6+hgZkcuflZeXkZGR+TmtRYGpKXkuz8xMYzAYyMvLp6CggHA4RF9fPxMTExiNBgoKCsnNzVXL74DE9PQ0g4NDTE5OqrHx2dnZGI3GuRI9IoODg/T39xOLxSgqAZ8S2wAAIABJREFUKqK4uPhDkohkQzEYDKn1sa1W65xuysZgWN5YQ6WGcH//AKIoqmvDZDIRj8cZGBhgZmaGvLw80tPT1XAPpUuYz+dDFEUyMjIoKMjHbpdbwStl7vr6egkEgmrsr8vlWnCIVFCusXt7e+nv70cURcrLyykoKFj2mteSJI+3u7uLkZERTCYzlZWVZGZmoNfricVitLa2Eo+LlJeX4XK5UIzPyclJBgcHmZ6eVmO+c3JysFoXzpV4PE5rays6nY7S0lJ1j/wwDAYDIyMjdHd3k5mZSVFRUUrUUJ+enqa7uwufz4fTKe9pbrdbXfNdXV04nU4KCgpS4v1+0QiCoO5FoZAc652dnaUeppU61VarhbKycjwez4KbPPkZOoxG401XDedX4QvVAMkK6v9n772D4zqzM+/f7RyRMxFJJFIEc85gliiKlDSypNHMWLb1edZ27ay9dtlVW2XXbpVdW7Uu27sTXN6d8ZTHM5JGtIZDBQYxihRJMIEEQeQcG7HRQKMb6Hy/P27f2w0QIEExAKT4VLEANrpvv/e9bzjvOc95jihKpPtjx44xMDCgeG3fe+89Fi9ezPDwMF999VW4NPAIgiBpuC1fvjxMmk7F5XJx8eJXXL9+PeyV87B161ZefvllysvLOXToEFqtFpfLRU5ODu+99x65ubnKqUj29gaDIUZHXVy/fp0TJ04Akmbo0qVL+c53vkNLSwsfffQRIEmdWa1W3nzzTVavXn3P8NrDQ7qnO3ekyjCBgD98L7m8/vrrtLS0cPz4cTQaDW63m8LCQn73d3+XtLRUfD4vVVXVHDt2lM7OLkXfMzU1lZdeeom1a9fi9Xq5c+cOZ86cYXR0FJfLRWFhId/97ncZHR3lww8/ZGhoCK/Xi1ar5a233mLDhg13ccFCoRAej4e6ujqOHj3KyMgIY2NjJCQk8N3vfger1crhw4dpbGxUPDz79u1j3759E6qwPQxGR51cvXqFq1ev4vVKXsd169ZRWlrKmTNnuHTpEnq9nmAwyKZNm3jttdeUA1FZWRlffvklw8PDClWksLCQPXv2UlRUxNjYGOfPn+f999/H6/Xy+uuv8+6772I0GnA6nZw+fZpz56SKaikpqWzdupWkpCTlZK3VahSesMfj4ebNm3zwwQf09/fz8ssv8957f4BOp8Pj8VJWdoVjx47hdrtJSkpi/fr1xMfHP7JDQX9/P2fOnKG2tga/P4BGo+HFF18kLS2No0eP0tfXp8jM7N+/n9LSUnQ6HTZbD2fPnqG8/KYijWQymcLFArYyb948+vp6OXLkCJ999jmZmZn88R//MRs2bEAUQ9hsNj799DNu3bqFwWAgNzcXvV5PYWHhBG647EG224c4ceIEn376KaIo8s477/Daa6+h1Wqw24c4efIUly9fIhQSSU1NZc+ePSQmJj2SPhJFkY6ODk6ePElPTw9Op5P4+HheeeUVQqEQZ86cYWRkBJfLRXp6Om+88QZLly4lEPDT0tLKmTNnqKq6E5ZhC2G1Wtm7dy9btmxGp9Nz584dPv74Y2w2WzjSEserr76qzK1orp1US36c06dP88UXX+Dz+fB4PCxatIi3336LBQvyZ82bEgqJXLp0mZMnT+J2uzEY9Kxbt564uDglMfaf//mfqa+v57333mP37t2o1Wr6+nq5cOEC165dY3x8LJxVL7BmzRp2795NRkYGfX19/Pu//zvV1dXodDpcLhf79+9n//79mEymqMicFI0KhULcvHmTX/ziF4yNjSnG8yuvvMLq1atntSiH2+3mxIkTXLhwAZkzuX//ftasWYPRaKCy8g7/8A//gNFo5L/8l/9CSUkJKpWkbnL06FGltLnf78dkMrF9eymbN29RdMJFUeTKlSv8/d//PcXFxfzJn/wJZrN5Ql4CoEQ0BUFgfHyMTz/9lI8++ogDBw7w9ttvz6rhKIrSAfGXv/wltbW1aDSSrr7JZMJsNqFSqbl06RI/+tGPWLx4MX/yJ39MdnY2T6NywsNgbGyMc+fOcfToURoaGvijP/ojXn31IFarlZqaGv7pn/5JSbbesGEDb7/9NklJiVFRsehEc0GxhZ51PPGjboTPpSIzM5M/+qM/Ij4+noGBAX7+859z+fJlkpKSuHTpEufPn2fnzp2sXLkSrVZLW1sbZ86c4Sc/+Qk/+MEPiI2N5aWX9nHgwEF8Ph+//e1vOXPmDCtXrmT58uXk5eWRkZFOZeUd/t//+3+cPXuW0tJSampqKCoqIisri8bGRlpaWli3bh1bt25l48aNGI1GpYTnsmXLKCkp4T/9p//EvHnz6O7u5oMPPuDq1auUlJRgsVgeZ2+h1+tZuXKlkml5/fp1fv3rX1NZWcnmzZspKSkhISGBGzducOTIEerq6oiLi+P27dt88skn5Obm8ju/I6lUDA8Pc+XKFT7++GMAVqxYwfLly1m5ciU6nY5r165x6tQpWlpaWLFiOd/73veIj4/H5XJx6NBHXLx4kfnz59PS0qKIcvf19VFXV0deXh4LFy4kLy8Pg8FAfX09//Ef/0FFxW1effVVRanA4/Fw6NAhvvrqK9atW0dmZuYj6anY2Dh27drNrl27UalUnDt3jvLyclavXs3LL7/MK6+8gl6v59NPP+Xy5csUFxdTUlLChQsXOHfuHBs3bmTt2rXo9Xo6Ozs5d+4cn332GTqdjqysLLZv347FYuHEiROEQkHUaskzV11dze3bt3nxRenwYDQa0OsNijxQamoK+fn5NDU10dbWTlFREUuWLMFsNnPhwgXcbjcul5uEBB2NjY1cu3aNVatWsm1baZRAuiaK3vBwYca0tDTeeecdNBoNTqeTDz74gIsXv+LNN9/knXfewWq1MjY2xqFDhygvL2fFihUEAgGOHj2KzWbj4MGDFBUVAVBfX8+FCxcYHh7hjTfeID4+gVdeOUBaWjpNTU1KWG1kxMnFi5cYHBzge9/7LkVFxWi1WoxGA01NTbS3t7NwYTHJycnU1NTi9XopKChg165dxCfEc/nyZeWAND7u4cqVq1RXV7Fr1242bdoUldT16A6cBQUF5ObmYjAYaG5u4he/kIyuF198kT/8wz8kLi6OtrZWfvWr97l48SI5OTkMDg5y/PhxRDHEu+/+HtnZ2Xg8Hq5du8aXX36J1+tl8+bN3LlzB61Wyw9+8ANMJhO//OW/c+PGdaxWK4ODg2RlZVFUVEhNTQ19ff1Kee+CggLefPNNGhsbOH36DPX1DWRn50zLx3sciO7fhoYGLl26RE5ODrt37yYmJgatVovBYMDtdnPlShk9PTbFuxsMStEpeSzt2rWLF154Aa1WS0tLC1988QWffPIJ+/fvp7Gxkba2Nl577TU2bdrET3/6UyoqKsjKylIiMwsXFmO3D9HY2EhqaioXL14E4Pvf/z6pqan89Kc/pa2tjaVLl2IyGZkNoygUClFRUcH169cpLS1l7dq1aLXasA68FodDcuiIoojFYlEihD09PXzwwQdotVreffddcnNz8Xq9lJeXc+HCBUCgtLQUs9nMyMgIFy5cQKuV5CEDgQB9fX1UVFSQl5dHdnY29fX1tLe3s2rVKtLT07h27Tp1dXVKcSaZiz9bCAaDfPLJJ9hs3bzzzjsUFBQAYLFY0Gp11NbWcvnyJWS+vCQxxl3eymcdZrOZ9evXU1RUxL/+67+i0+kQRfD7A3z88cfExcXxgx/8gJqaGn71q1+xYsUK4uLWTlgjoufwTGgOzwKiDN0nqysnCGA0GlCrE3E4HEq9+IyMDOx2O3fu3GH//v3k5eVx9OhRvF4vxcXFbNq0idOnT3PmzBm+9a1vERsbi8vlwmbrYWTESVZWNhkZGSQkJBAfH6/IcUleAIlDWV1dQ1nZFb71rW9x+PBvsFgsbNmyBavVisvlpqOjA5vNRnZ2tkITSEpKRq1WMTw8jFarxeMZvy/f9+H7SCqmERsbi8/npa+vn4GBAfR6PZmZmUpIW9Zh1Gg0eDweBgcHqaqqYtGiRZSWlnL16lVaW1vJy8sjLS0NjUbD+fPnKSkpCV/bx8DAAH19fahUKuLi4oiJicFqjVFCghaLVQkzdnd3U1ZWhsPhoKOjg/r6er7//T8kJiYbvV7PwMAANpsNjUZDYmIiVqsVs1nyqNjtQ4rW3qOcYFqtlri4WNzuMbq6uujv7yMuLo6UlBTS09MVvndcXFx4oQzS2NhIXV0dO3bsYMGCBXzxxRdKOGjRokU0Nzfz1Vdf8eqrr5KcnExOTk54M5KSGUdHR2lqaqKhoYHe3l5+/etfs3jxYl5//XUMBgPl5TcYHLSza9cuLl68iCAIlJSUkJwseR4lnVoXAC6Xm7a2NlpaWmhqauLo0WPk5OTwrW99iyVLSh5ZP8m6k263m4GBAYLBIPPmZZKVla1kvQ8MDCgV43w+H7W1tfh8PkXI/siRIxgMBrKyslizZjXNzS3cvn2bnTt3kpubi83WTWdnp/J8R0aGaWxs5ObNWzQ2NqFSqdi8eTP79u0jFApx48YN2trayMnJ4cyZMyxfvpxVq1YSHx/P4OAgtytuK4au1+sNa4k20tEhKYosW7aMgwcPYjKZJiQ8fV0IgoDRaESlUuFyuejq6kan0zFv3jwyMzOVykyxsXFK9SqPx0NlZSV6vZ6tW7fS09PDb37zGxISEsjOzmZ0dJSqqirS09NJTU2lo6ODrq6ucLazlnnzMrFarZw4cYIrV8pYsWIlV65cISsri61bt5KWlsbQkGTUdXfbiI2NJT09fVbD8l1dXXR1ddHU1ERZWRlpaWkcOHCAJUuWUFNTQ2dnJ0VFxdjtdqVf79ypwukcZffu3ej1ej7//HO0Wi3p6emsW7eO2to66urqyMhIJy0tlcHBQVpaWnA6ncybN4/s7Gwl0rdp0yaqqqpwOp1861vfIicnB5vNhsPhwOl0IooiiYmJSoLXbGB8fJyqqira29sZGBjg8OHDLFy4kDfeeIPc3Fy++uorvF4vq1evxu0eUz5z7tw5zGYzO3fupKfHxvvvv09cXBw5OTmsWrWKuro68vPzmT9/Ph9++CF6vZ7169crhotKpeLWrVvcuHGD7du389vf/pbMzCyWLl1Ge3snly5dZuHChXg8XuBuKshs9FN9fT12+xA/+9lPcbvH2LNnDwcOHCAYDPLll1+SmZmFz+fHaDROyI34JkEURebNmxdVCyCo0Aa7urp4++23SUtLx2g0cuTIEbq6uli2bNm0h+FvSh+GrTT5Zp/kTUsJcI2NjfzFX/wFf/3Xf43TOUpubh52+5BS3UX2xFZXV/PjH/+Ynp4etmzZQnNzE4FAAKdzlF/98n3+/L/+OV99dVGpHw/Swup0jlJ2+QqiCKWlpWRmZrFv38sMDw/zN3/zN4yOunjzzbexWGIYGxvj9OlT/Pf//t/57LPPyM3NJT8/H0QUI/fcuS9pbW1l585dCh1gYjLRo4fUrjP86Z/+KT/+8Y9JSUlh2bJlivRRX18f165dQ6PRsGjRInp7exkaGiI1NZVTp05x6NAh2tvb+eCDDzh37hypqamKkRYIBLh48SJ//ud/zk9/+lOsVisZGRmKN87pdFJWVsaNGzcoKSkhLS2N9evXk5eXxw9/+EMqKyt54403KCwsUjwO//N//k/+8R//EYA1a9YoB4JgMEhdXR0VFRUsWVIygSf7MJATW0ZHXRw/fpy/+Iu/4OjRo2RlZZGQEB9eDEI0NDRQVlZGQUEBhYWFDA4OYjabycjI4OjRo5w/f56qqip+8Ytf0NNjY8GCBeHKXxGplonJJVLlmJGREUpKSvj2t79NV1cXhw4dIjY2hu3bdwACP/rRj3G5xjhw4FUyMuYRUReReFWyLM7o6CidnZ1kZmbyB3/wB2g0Gt5//30aG5seaXjJZrPxs5/9jD/7sz+jvLyc4uJi4uLikEs8VlVVYbPZmD9/PqGQRDswm80MDg7y/vvvc/36dS5cuMAvfvFv2O12LBYL3d3dSonNUEiMqmIkSfs5HA48Hg8vvfQS+/fvp6LiFqdOnSQjI4O1a9dy/fp1fvjDH5KRkUFpaekEqZrJz9rhcDA87GDjxo18+9vfpr6+nk8++UQp5fwoFu9gMEhFRQV/8zd/w1//9V/jdrtZuLBYyXj3+XycOnUKh8PBmjVr8Hg8jI6OkpubS2NjI7/97W+prKzkww8/4MMPPyQhIQGj0UhPTw/Z2dmMj4/z93//9/zd3/0dDoeDwsJC8vLyOHDgAD6fn5/85Ceo1Wo2b95MVlYWBQX5VFVV8Zd/+Zf8y7/8C2q1egK3+0lDEAT8fh89PTbmzZvHu+++i06n4+jRY1RVVXP5chmJiUksWbJEOVzZ7Xba2tpIT09ndNTFz3/+c27dusnp02f4P//nR/T09KHRqOno6ECn0zNvXia/+c1v+NM//VNqampYtGgh8+bNY+fOnZjNZn72s5/R3NzM3r17WLx4sVJc4e/+7u/4q7/6K4aHh0lNTZ11jq7L5cJut7N8+XJ+7/d+j9raWj7++GMuXLhAVVUVJSVLyMnJQ62W2ul2u+nu7qaoqIjKykp+/euPaGxs5PDhwxw+fJisrCwMBgPDw8Pcvn2bwcFB1qxZQ3JyshLdSEhIYP/+/TgcDv72b/+WQCBIaWmp4vlOTExkYfEijAbjY3fYzARut5v+/n6am5s5cOAgr732GseOHePcuXNcuXIFu93OihUrSExMxOfzKVJY30RI6iahcKJiUKE0hkIiarWkE6zT6cN0z+A3xpi9F2bNoytjwYIF/Ou//iv19fW8//4HnDp1ipycXARBTU9PL0ajib/9279VytpKAtt6ZF5WXFwc/98f/iGvvvYaX3zxBSdPnqKwsJCCgnxcLhfHjh3jRvlNfu/33iUnOxcR6US0cuUqrly5yuuvvxH2jKoxGs28uPclNmzYSFnZZY4fP0FRUTEbNmzE4/Zw8eJlzpw5y/btpSxatIhgMPjIOKb3gslkUigct27d4vjx45w6dYqDBw/S19fHp59+ys2b5fzn//wDUlJS6OnpURaCvr4+3njjDbZu3crnn39OY2OjUsJV9gRv3bqVZcuWcePGDcrKyrh9+zbbt28nEAhw48YNTpw4wdatW3nxxRcxGqUksyVLlnDhwgUyMzNZunQpAAaDgVWrVlFcXExNTQ0nTpzg6NGjvP3222i1GhoaGjl58iR5ebns3fvifRMmZgo5ez0uLpZXX32VLVu28OWXX1JeXk5hYSFLliyhsbGRQ4cOoVKpeOWV/Wg0GsbHJU3BwcFBBEFQ6Clnz56L0vuMaKpGZ89Li6wKvd7A4sUl7Nq1i+zsbNxuN7W1tQwPj1BYWEhRURE3y29SWFhIcXExAihyQxIHUwwnq0nczAULFrB79x4WLVpEf/8At27dCpe2zn8kfQVSgYjvf//7vPTSS3z22Wd8+eWX5Obmkpuby/Xr1/j8888pLCxk9+5dSmUvk8mI2+0mIyODV199lf6Bfs5/eT4cNvMjCBEOoFarnaBnHAqF0Ov1rFixgs2bNwMizc3NdHZ24fP5eOGFF0hLS8PpHGHlyhWkpqYoz1Q2eCMKBZK3dfHiEtatW0dhYSHNzc20trbS0dFBUVHRQ2+AsoTOmjVrWLp0KfX19Rw5coQLF74iLU3yon7xxRfcvn2bHTt2sHr16nAyUQCPx0N3dzfLly9n3759lJeX09jYCEjjx+fzUVZWRigU4n/8j/+B1Wrls88+4/Lly2RmZpKXl0dKSipqtYbCwkJyc3Pp7+/n8uUrLF++gv/23/4bra2tlJVd4cqVa+zateuuxKQnidzcPFavXh0Oyes4fvwEH3zwISMjwyxbtoyhIQdNTU0kJSWRlpauFHZpb5cM3hdffIlQKMThw4fDpUolWcibN29SUVHBW2+9xdq1azl06BCnT58hLS2dhQsXUrKkhKvXrpKVlUVOjhTW/+STTxAR+V//638RExPDz3/+c+7cuUNBQf6s8U9lD+v8+fNZu3YtixYt4tatClpaWujuPoLFYqanx0Z3dw9tbW00NDSG6Uo64uLiqK9vYMeOnezevYsbN25QW1urrENjY2PcuHGDYDBIV1cX1dXVOBxDLFy4kISEBPLy5lNUVMS1a9dZvXo1yckp3LpVwZfnzpObm0tNbS0dnZ2o1GolSvAkaTDRUKvVaLVaduzYzsqVK7BaY7hz5w61tbXYbDZMJhP19fU0NzczOjpKTU0NSUlJj5k6OPcgKyBBZD+S6w5otZqwtnVEh3kq5+VckpN7UpjFI5EkEyLrJ2ZnZ1NYUEh/Xz8GvR5EEb1Oj98foL9/kJGRUXp6+mhtbePs2bNkZGSiUknGnMlkICUlmfz8fIXU7nK5OHfuPFeuXOW73/0OGzZsQKWSBkpHRwdlZWUUFRVRcesWtu5u1GrQatWYzCZSUlLIy5uPTqenra0dj8dDWVkZn376KQcPHuSNN97AYrE8sUkmCIKih5ufn09ychJ9fX0MDPRz8uRJ6uvr+bM/+6+sWLECtVqNRqMmEPDj9XrDiT12XC4XDoeD0dFRenp6sFgs5OXlKddOTEwkPz8fo9FIa2srHo+H8vJyTp06xbZt25RwfDAYpK+vj+vXr+PxeBSaiWyE6HRSNmdxcTHz5+cpWfwNDQ18+OGHxMbG8r3v/S7JycmPupcQRWmyp6QkM39+HiaTib6+XlpbW/jss8/Q6/X8/u//PtnZOYpWrkqlwmg0hceNE5drLKxEIVEyLBZLOCQe4ZZLahtgNltIS0uTvMlOF+PjXkZHXahUKgwGA3V1DdTV1RMbF0dTYxPNTc3ScVIQlLKyOp0Ok8mEwaAnPX0eiQlJeD3esHdHqnEvCX7LU1Wc0QldNg6n+qdSqTCbTeTkZDNv3jxCQZHxsXEqKys5efIUJSUlvPnmm2HqikqJnPh8PsbHx6VkQ/cYTucI3d3dOBwO0tLSlfK3MgdR9qQZjUZSUlKUalnBoKzNKxVXqKyspLe3l2AwRFVVNXb7EMGgdAiQpafkEtg6nU6hn3i9XkU9RBrHEZmciJTX1/NmyBJrZrOZ/Px80tLSGBkZYWhoiAsXLnD16lV27tzJjh07lHuOTu5wu90MDQ1ht9txOBzcvn07XJHISHe3DYPBwIIFC8jLk7Lsh4dHcLvHaGxswmbrAQRaWlrp6rLhcIwwPj5Oamoaebnzyc8vJBQS6e8fUA5hswGrNUZJlvN4vAwNOQiFRMwmE3qdnuvXrnPy5Clqa+vCnseB8CFPRK3SMDrqxu1243Q6cTqdtLe3Y7cPkZCQiMMxDEBBQT4LFswnNzeH/v4+enp66O7uouJWBQa9gd7e3rBqzBg2WzexMbFkZmZSUFBAYmIivb29OJ2jzFbSkiAIZGVlYTSaARVqtUQv83q8WMwW7HYHJ0+e4uzZsxKX99p13K4xEMHr8QES3cvpHA1HMoa5dOlSWPVDorX19vZy7Ngxrly5wu3blVy/fgOHQ6IL1dc3EhcXT2XlHUado5hNZokLX1vD0aPHqK6u5tq1azQ1NeH1emelj0Di4iYnJxMIBPH7JT63z+dT/tbT08Pnn39OeXk59fV11NTU4Ha7Z629swnJsJXW8djYWEwmE3FxcRiNRhobG3E4HLS3tzE66iQ1NXXKw0v02nivvWKm/+Y6wiWAZTwZPV0Ar9fHnTt3+Oyzz2hsbOTs2XNU3L7Ntq3byM7J5tatWxQUFuLxePjVr35FWVkZ7e3tdHd3k5+fz6uvvorD4eDIkSOUl9/kTuUdzp49i9lsZvv27dy4Ua6EQhPiE+jq7kKlVjMyMsLhw4cxmYy88+13pPrhPTZSUlI5deo0ly9dprqmhtOnzxIKhXhl/37a29v5yU9+oiTJdHfZ8PsCJCYlPXYyvESXOMeJEydoaGjg1KlT2Gw9rF27lrq6ej7++GMyMjKIi4ujvb09LGGkpqurC71eT1ZWJidPnuL06dM0NzczMDAAwIEDB0hISOD06dN89dVX1NfXc/r0aex2O3v37mV0dJT/+3//Lz09PeTn52Oz2RQ93rNnz9Lc3Mzv//7v4/f7uHz5MtnZ2YrqQl1dHSdPnqS2to7169djtVr593//JZWVlSxduhSn08nQ0JBSrx0e/pRps9k4efIkN26Uc/v2bU6dOoVer2fNmjV88cUXnD9/noULFxIIBBgctBMTE4PH46WlpYXU1FT8fj+HPvoPLn51kcaGBnp7esnJzmb3nt3Ex8fT0NDI8ePHuXy5jOHhEcwms2RwabVUV9dw+/ZtWlokrmpRUTFpaekcO3qMgD/Am2+9iX3ITlNzE3l58xkYGOT8l+e5dPESnZ1dhESRhPgEYuNiqKtv4HJZGQ0NDVRVVTFvXiabN2/CYon2ft+9uNxfezSEz+ejrq6O48ePc+NGOdeuXedm+U1y8/KIjYvj0KFDdHVJ1Am73c7Y2BhWqxWbzcbAQD85Obl0dHRw+PBhKisr6e624XK5WLFiBVu2bCEUClFeXs6xY9IGOjw8jEajISMjA5A4yfX1dVRU3MJms7FhwwaCwSCnT5+msLCQ9evXc/v2bTweD5mZmTQ2NnLixAnKysqw2+2YTCYSEhIwGAzU1NRQU1OteH1WrVqlJPo8aN9M1VfXr1/n6NGj1NTUcOrUKWpra1m6dCkul4sPPvgAURRJSUmhq6sLURRJSkqivb0dn89Hdra0fh05coTa2lpFlm7Hjh1s2rSJsbFxbt68SWtrK5WVt6murqaoqJiUlFSOHPkEo9HIwQMHaWtrw263k5ebh83Ww507lXR2dnL+/Hncbjdbt2xhfl4eKvXs+CsMBgONjY1UV9fQ2trK5cuXSU9P58233uTFvXspLS0lLT0dv9/Hli1b2LJlM0NDQzidTha98AJdXd0cOXKEGzdu0NPTi9vtZvWq1WzcsJGYmBhuVVTQ1NhES0sLFy5coKCggHXr1nHmzFm7TinvAAAgAElEQVSGh4c5cOAAY2NjNDU1kZGRhs/npezKFXr7erl29Rq3bt1i/fr1LF++fMrN/kls0FqtFpPJzM2bt6iurqK6uoZr165RWlrKd77zHXbs2MHOnTtJTU3FarXyyisHKCgspKa2lnGPh+zsHK5du8rHH39MXV0d7e1SLsvLL+9j1apVLF26lLVr17JtWylGo5G0tFT27duHxWLho48+wmKx8vprr3On6o4S/t+ydQvbt29n+fJlOBzDrF27lj179k7Izn/SkKMop06dpKfHxpUrV+jo6GDv3r0cOHCAPXv2sH37dpxOJ3l5ebz++utkZWV9I+kLTU1NnDt3jnPnztHVJUXFZL7+J58cweMZ58SJE1gsFnbs2KHIMk6Hp8FQfVjMmqEbCoVwOBzcunWLxsZGQiGRl17ax/bt29GoNXR326iqqmL79u3s2L6DjRs3snPnThYvXsyLe18kKTGJQCBAW2sbVVVVDNoHJZ7k298mLj6Orq4uJQmis0vSvZT1+FyjLl7ev5/i4iLi4uOx2+3MmzeP0dFRKm5X0NvTS8a8DN78nd8hb36epC/a24feoJe0Wm2SRzQzMxONRvtYjV1RFBkcHOTmzZv09PSQkJDAa6+9xqJFi+jr68PpdOL1esMhHSfZ2VmkpaXjdru5ceMG+fkF7N+/n40bN1JaWsrKlSspLZWoF3J2bmVlJR0d7SQlJfP666/zwgsvMDQ0RHd3t6K3KHuB4+PjcTgcLFmyhM2bN5GUlEwgEMBqtaDXG6iurqatrQ2z2cxLL73E5s2bcTqdtLa2KhqyUm1skfz8fEUq6GEnm9frpbOzk9raWvr7+ykoKODgwYNYrRY6OjoZHx/D5RqlrS1ijKSkpNLZ2UFNTQ2bNm1i565dbN++ne07drBy1So2bthIbk4OPp+fmppaKioqMBiMYf6TQG5eLgUFBWRmZjI4OEh/Xz+bN21m7549jI6O4gln2S9ZsgSL2aLoM8u8Z6/Hi8VqIRAIkJaeTmFhERkZGbjdbjo7OykpKeHll/eFa9fLdzp1X92r/6TEDcnT6PF4aG5upqqqGrfbzZo1a9m372VEUaSnp4dAIIDdbqe7uxuTyURxcTEWi4WamlqGhoZ46aWX2LVrF9u2bWPTpk2sW7eONWvWEBcXh9Pp5ObNm9TX1yuJkUajkQULFpCTk4PVaqWzswtRhJ07d7Jx40bsdjt6vZ4tW7awdOlSjEYjgUCA2NhYmpubuXPnjqJXrVKpyMvLIz9/ASkpqXR327Db7ezZs4e9e/dgNlse2siV+8tut1NbW0tTUxM6nY7du3ezbt06hoeHGR524Pf76OvrY3BwgPj4BObPn4/PJx3eZarRtm3b2LNnDxs2rGfr1q0sX74cs9nMvHnzsJjNtLW1MTo6yubNm9mxYydut5tgMMiGDRtYvXo1ZpMZr9dLdnY2JYsX4xn30NTUhMVs4eWXX2bN2jXoDbMnCSVrRns847S3d7B8+XJeeeUVSYM6xkpMTAwqlYDBoGfhwmKys7PR6XRUVlbicrkpLS2ldFspe/fsZe26taxZs5a1a9aQnJJMUlISqakp9A/009HRQUlJiSItZrfbWbp0KevWrSM7Oxufz4vVamXlyhXEWGNoDWs1HzhwgB07dhATY0UUBQSECdvbk9rgY2JiwofHIWzdNva+uJe9e/eSkpKC2WzGYrHg8/mwWCwUFRWRlJSEVqvl4sWLmM1mXnzxJXbs2M6uXTuVQ+WSJUuxWCzo9TpiYmLC1/ArUT+3243X62Pbtm0sXbqUxMRExsfHyc7OIjU1DZPJpCRVFhYWMH9+3qzKiwmCpAiTmppGa2sb4+PjHDhwgA0b1pOUlITVGoPZLM2HhIQEiouLFU3lbxpqa2u5ePGicqgPBAIUFhaycuVKEhISqKmpISEhgW9/+9sUFOSj1Wrveb1vQh+GK6Mp/+XJhnhEhacoipFyicFggNbWdg4fPkx7ezsvvPACarWa3t5e4mLj+M533yEpKZFQSMTvD0TVZJbc+Rq1ikAghNfnVTZItVqNVqMFQfqMVDpRIBCQk2aECXxMQVChVqkRVOHa0X4/ITGkcAblzz8JyPWlg8GgUudcSgbxK4lS0Xq+cjGOs2fPcuVKGenpGSQlJSl6xQcPHmTRokWKRJYcIlKpVAq/MhQKhvtW1mJUKaH+SFnYSGEP+bujs2FVKgGtVkcwGFDCy3K1Kfmz0eVUHwZycQ2ZfC9XKZMTvWSuqPSdaoUO0NHezqeffkpDYyMLFuRjNpvo7+8nNjaWl1/ex/z5eYgiBPxBfH5fVMlbEZ1Oq/SH3x+QkhY1aiXxDkCr0SCoIBgMEQyGUKslzp7P549I7QkqdDotMjsh4Jf6Xq1RR2WM3zsEP5P+k8v0yn0SGcfqcH30INHliOXxEAgEqay8zaefforL5WLBgnylmMvChQvZu3cviYlSYqHf78fr9aNSEb62RrlniY4QGTsqFeHiIxGOsjx+pERPP35/JBEwmv8r64qGQiG0Wk2Y2ylMSGB7mDEl14uX1xZZvkzSQ470USgUCnMqtYre8pkzZ7BYLOTk5GC32xkZGWHjxo1s2rQJs9mMKBLmyAfCfaEOczlR+kYQBELBECLhsYwgJZ4EA6gEFWqNOjzGv/YtPjTkZyk/W3n9jua3RyorRp5NVVUVn38u6W1LNCINXV1dFBcXs2PHDlJTUlGpBEKiSDAYSfaV1jiBYDCgjFuJuuJT1iZ5TRRFwooW0mcimDmV5VEaAJFnLvWFWqWWkopgwriSXx/3jCsaxRaLhYyMdEZGRnAMDbF121bWr18/QY5MEAS8Xh/BYBC9Xqcow0hjRAivP0E0GjWqcIKooIJAIKjQzh6lPN/M+2ViJC8YDCrzTqYEQaRdPp9P0SL+JnpzQdpv5X5QqYRwyV+98jev16uoTU1X4Ckaz7qhK4ribBu60yMUEhkaclBeXk5zczOhUIj09HRWrFhObm6ussB/HQqeIBA2rCf+VBD+XQjrkU/5HQKzusncC/Li4XK5qK6upqqqipGREZKTk1myZAkLFy6cEOKdbBhELz53cxwjZVkfZIJElz2dKpv+cUw2uUzp5NKjkSQpyegbGR6hqqqa2tpaAsEA6enpLF2ylNzcXLS6ifma8sYUPWYetunyGLzfeyY0ZBKexGLV09PDtWvX6OjoRKPRkpeXywsvLCY1NSU8nh7sejM1SKOf2RR//Vrj8XFAOsD4aG1tpaKigt7eXkwmE/n5+ZSUlJCUlMSDrK9zdX2JxkwoR9FlgKUkYpG+vn5u3bpFa2sroiiSl5fHypUrlUREePD7f5gDzlRj63GOp+nmvGygCuHkzvb2Dq5fv47NZsNiNrPohUUsXLgwzIe/V+noide//z45OwlK38TEqCeJmeZzPMuYZOjKN/v03fS9nuV0z3C6zzzjz3xKPAoP2IN+12TM5mQLBkOEgiJqjVoxYuH+m8NsjpUncVB4jkcL6Zk9W4buTPAgRuRUc+5Z6YcHgeQBDimeTdlLPtO+eFoM3ed4vHhu6Ep9oJm48D6dNzydYXKv53eXF/c+73+W8awP9PtBrVYRVmp5jqcQT4NX6LmWpQzhG7vOPggEATQaScJQRrS39zme4zlmDs3sGLeTF/1H04YHXQCeLxjP8XXwfNzMLcx1IzeCSDunC1s/x+zouT9NmKmx+9wofo7nkDALJWMmV2F7PhO/SXh6jJK78RQ3/TlmGTMZ90/L+Ho4D/q9DdmneX143JgqCjkZ96PkPT9MPd14UMra9LkN3yzMUtricyP3OZ7jOZ7jacTzzXP2EJ1DMN3fZ/K+53iObxJmtwj4czzHHMbX3SieJ4o9x7OO52P6OZ7jOZ4WaJ40JSoiMwMTubrPF87nkPA4k4vu7Ym6V0h15t/xNHm8Is18sPZK9/jca/QcD4bnBvJzPMdzPGlIHt0nxCSQN39JVzGkfGlYdzwsXK1itjNz72+kTN24R50gMJ3s19NiRM0U02v2zgyyXq40riKHqek31QfXXJ2smXsvSba5+nxEkXBxlvBBQv4pyDq0E98r/RJ1P4LUzw8rRTiXDeSpDlmRuvDy3yb+/ZtmvE3WNY4u6DHVvIj+u/z5aDzL/acoJcBd02W61x+2O5627ozWWQ6FoudfZCzJWuhPg8LK40D0nInYTpE1Xbadvol9MxM8ceqCKIqMjY/R2dGBSqXCao0BBGWwh0IhEO/eTKa4UnjjnepPM/n8dFcNKZva1JjZtVWCCkFQEwgGcDpHMJvNZGdnodWqw5OZCZM3usKN/NrQ0BDt7e3Ex8ej0+mU/pG1FWdWDWtuGF33aqsoioyOjiKKIkVFReGKR/JziPTJVNfw+/309vYyODhIQkLCXeUOJx6u7qcXfP9nK9mHIXw+H+Pj48TFxZGWlqo8u+jiFHMJ4+NebDYbY2NjJCYmohJUBEPBiQto2AiWDV9g0qYzlVrKVP0lKJv4uGcMj8dDamoKKSnJcz4ZZmxsjJ6eHgRBwGQy4ff775qfUxWnEAQBt9uN3+8nIyODuLg45fVnD1JZ8r6+fvR6vVKhS65oJVeonAy1Wo3X68XpdJKWlkZSUqJyOI2ulvgswWazMTw8opTcjYbD4SAuNo7UtJSoCmCz0crZhdPp5Pbt2/T29ipVNiFyQIqPj2P58hWkpKQ8o/NpekSvz4ODg5SXlzM8PIxc8TW6cmNsbCxr1qzBarXOYovnJp6ooStXe+nv6+PYsWMEQyHy8/MRQ0SV/tQ+wGb4IJvvgyB0DwPx/tcXRZFQMIRKpSYQCGCzdZMxL4PExAT0Oh3BUAC5jKHRaLzL0yH/v7u7m48++oiioiISExOVDVcuLzvZOJ6uLQ+L+11jZhnl078nEAjQ3d2NIAjEx8djtVqVe9NoNOh0OtSThG7lv7vdbm7evMmtW7fIz8/HaDQqm6ZUVjOolICWx9jU93P/5yp9XjIOnaNOBgcHWVi8kE2bNmE0GpXDh7zwzCWMj49x/dp1WltbKSwqnFCWdTLVYnqvSfR8u1d/Sa+rVCr6+noZGhpi48YNGI1G6fVwCVupdO/cETAWRRGbzcbx48cJhULk5eUpZW4jZZIj5a4no6OjA6/XS2lpKYsWLVL6VS7RGSnn/PSjpaWVCxcukJAQT0pKqjK3pDK3wSnnmEqlwuFw0Nvby5o1a1i5cqVi4KlUKgwGw4RS5s8Cbly/QeWdO2RlZhETG4MQnhuBQICK2xUUFxezbds25WAEoNVqw+XFn40+mCnk+VJTU0NFxS00Gg2hkIharea9996jtLQUk8k0282cVcj7lyiKnDp1ir6+PvR6PYFAAL1ez4IFC54bulNgFlZeqQSkx+OJvBJe1IaHh7l16xZu9/i0p/vIAjr5Z+T6D+9Vm84YinzH/SG9x++XPLqJiQm0t7dLhpAAcXFxrF6zmqKiognGrtKC8KYhe5QCgQBSPXMvHR0dNDTU39cAlcP4D4uHNXTvRSOQQi8hRkZGEASB0VEnBoNRqgMviiQmJrF582YKCgqm+GwIkPrJ4/EoB4BQKMTY2BgtLS20tbUqdeTvjZkdkCRDVsDv9zE2NkZzUzPV1dVK7XWtVktxcTEbN27EbDbf93pPCqIo4vV5GPeMT3ieQ0ND1NfXYx+0gzA5RDb5uT+Y/rVKJR1EfD4fA/39XL16Vblmfv4CNm7cSGpq6pwwauR2yWNJpVIp804URTo7O2loaGB0dHRa7+PIyAh+v5+hoSEuX75MMBhEEMBstrBmzVqWlJSgeSaMXelwFAyGGB/3KnMvFAphs9loaWnB5XLd/SlBYGxsDJfLRU9PDzdv3lQOOiqVilWrVrFy5UosFsuTvqHHhmD4AKBSqxRDrre3l9raWurr6+nq6qK9rV05BAKkZ6SzceNGMjPn3bPM77OC2NhY1q9frxhwJ0+exOFwYLVa0Wg0ihMEnp0D0NdBYmICO3fuDK8rAr29vahUKuLj4xkbc+N0Ome7iXMWmtnJAZMTWYSwNzdIIBCgr6+PO3fuEBsbh1arndLTOXGgT7cpC9O8/mBtfBjIXD5RFNFptbhcLq5duwagbJ5DDgeZmZnKIjdVOFTeUGXaghyqr6urJzk5ecL7H1e99pnUsr8f7vUeQRDCZS5VVFVVRxn4IdRqDVarlfnz5097+JE8ttEVhERcLhcNDQ10dnaSlJSkeJkejrYgU2wiHqv+/n76+vpQqVTKQcRm66a4uBiz2TSHqAyy959w+0EMSWHD9rZ2RkZGMJomjkP5p0rhfk2cb+I96T0SPUelUqPTaWnvaKO1rS1s7LhoaKgnNTWV1NTUx3jPDwb5mcrjLDoMPzg4SFNTEwAGg+Guz0WP76amJtrC9+rxeBgbG0MQVBQWFmKO8vQ/rXt2KCQSCkUcDbLX2ufzUVdXR3t7u+J5mzznBEHAaDTS29uLzWZT1nS73U5/fz9paWkUFBTMKU//wyAUCuLzefF6vej1eiVqUFdXh16vZ3x8nFsVt6QxJ4Jz1ElMTAzZWdlkZs57Qq2cfT6RfLCUIwI+n4+hoSHUaikq6vf78Xg84X1CigZ904xeQVCh0UjRQpnaJ1PoRkddeL3S7x7POAAajXbGFMdnHbPoXhAUikI0PzchIUFZ6B72IT2ckfsIBsdUHtUwfWNszI1Op0M2huUsdpi4AUZzTGWo1WpSUlIoLCycEHqeij84Vzi698PENkuUg/FxyetvMOiZmMA4EdLYifCX5f7Q6/VkZmaSlZVFIBBArVbdZXhOHF8z5IZPszEEg0EGBwfR6w2KRzoUCk7JWYx+Lk9uIYq0XTqHSW0ymozEJ8STkJCghKBluseEtsrjWZDH6HQHB8nQnTB2xUiEYdTlDIfXBCWRYsKnn/C6PHGOSL9H01zkQ0xsbCzJyckKJ3XiOJg496SxKhAMBrHb7ej1OkJhTrSA8EiWl9mFvF5N5NAbDAbS09NJTk5WxrzsAZ8uqVar1SrGcbRz41nYoK1WKwMDg7S0tKLVahFFEbvdjlarJScnhxhrTFQyqMDQ0JAS7Xwca/fUXTq7/SzPMZDGitlsIhgM0NMjcXYdDgcffPABFy9eRBAEsrOzef3110lPz5hwnWdguMwIgiAl8FssFhwOBw6Hg5GRERwOBz/84Q+xWCyoVAIbNmxg27ZSYmJi7jpsftPwRA1dMZwhKP0uKgugHHKGaK9ZxHCJTgaR3/O4oAqrPkQv4A8C2dM1HRc0+tSqUqkBgUAghFo2hMJpuNG0g5m2QxRDUZ6Wmbx/bhjCgnLPE40MeVwEAsHw72rl/ZMnrko10fsd/VP+XTKC7+WFJGy73MvgDRs4k64jUzAi3xmJWkxu12xh8iFo8rCKHrPy3JNfj/4ZnaAmCJOfh3DXtaJaAIgTrj2XIB+Y4O45N/l+IgfTiZ7NyFtk77n0guyVku9bGhOzqy7zaHA3x3sypIPr3c87ur/kA+GzhvXr11FSsgSfz6eEnC9dusTZs2dRq6T1LBgIIiKGk3DFCeenqZwfzxomr+WbNm1m8eISvF4v4+PjfPjhhzidTnJychgZGaGxsQmn00l6WtjQFcL9JOUuP9N9BdK8UavVfPe73+WVV15hfHwcu93Ov/3bvykc3YqKCmpr61i6dBkWi+WZiZB8XcwqYezeC5s0ciVvz4ON3IcKF4uRxeXrGCaCICgeG2GaZIJgUKJqCAhK0pT8OUH2lDwBo+he3Nknh8nGl6BQNOT/y8ld0ZNVMiojhtj9umvqpL0pXgsb3ZJyx5TNnfxL+PoioihMoGEIz8CiKyAlBMocQxlS6GyiITwZU78uLdIajeapybKfymifzqMbjckRFvlAJv3+9I6NyfcTbehGJ8solsekz0oHQMJ/i8hM3n24mCiHJ33X47yzRw+z2YrJFOEcy1FLObkxJEr/AEX1RFBJ+4cYFiCSoyhP4/1/HRgMBtLS0gCJ956YmIDFYiEzM5OYmDhGR90Q3mPFu30OzxTudYg0Go2YTCZCoRBarZa4uDiSk5NJTEygv78fo9GIRvPNo3hMhTmcGSEllYmiGJakGVE8kPfje8r4Olmroig8lKE7XVuiIXOQYmJiqKurC4fsVICI1WolKyvzgZMQBEHA5/MzMjIy4fXo5L27N+vZ9zJGI9pzr1JJ/MZAIEhbWxvV1dWKh1cm4GdkZPAgh6BgUPIker0SZy4YDEzygMub7dejLwiClFCp0aipq6ujr69PMXSMRiNJSUnExsbOodO1CBPoDOH7F8Ef8EtyWT4/YtgLGw2ZszuVV1jG5KQt2fgZH/cQCARobW3FZDIr80StVocX6yT0et1juN8Hw/RzI9JnHo+H8XGPEjGQIf8eDAZxOBz09PTQ0NCAXq8HQKvVkZiYREJCAnq99q5vmOuQx4pqBptoKBTC4/EyPj6GzycdYGVOJoBGo2FwcACTyURjYyNerxdRlN5jMppITEzCGmN5KjdslQAiUXNAiPDAQ2GepdyXsvSay+WitbVNUZCR14+EhATi4mKfKfWO+yEQCDA2Nk5/fz9qtRqHw4HN1k1TUzM+nx+VSkVGRgYWiwWNRq2oWjzriI5wy84yh8NBa2srIyMjdHd3YzabaWpqYmRkBIPBQHJyMlar9amcRw+LWZkxD2Jceb1e2traGB8fx2g03hVOjcb9Qmgzb1/E2P06ELi3p1SmNzTUN/Dz/p9HtANFSE5O5s233mTFimUzaKeobBhOp5PGxkZEUcRsNk8Zvp+yrXNg0N+vrRcvXuTmzZsKb1QQBIqKinjrrbewWq0zCoXLC8PIyAjt7e1otdp7SIDdy6M7PUcXpE19YGCQDz/8cAJ/2mg0smfPHvbs2XPPds42BAQCIUnubXBwEIvZQjAUjJIjkzftiUYyTPSaTz6QRtMeQqEQbrebEyeOc+7sOSljPzyWt2zZwoEDB9DpdLPqvZoJR9Tv99PV1Y3D4cBgMEzLQw2FQty+fZuWlpawJ0/qi+3bd/Dyy/vQ6WKfKk+dIPORw/+bmr4Qed5Op4uOjg6CwWA4kUZUoh7RV+3v7+fw4cOo1WqCwRBerw+LxczBgwfZsmULZvPTJy0lSJYuEAnSyWuYdFBQgUoy6Do6OxgZcaLRaDh+/BhffnmOUCiERqPB6/WyZcsW9u3bR0pKyjPt3Y2eQ2azmcWLF3Px4kW6u224XW4a6hv40Y9+RFxcHD6fj+3bt3Pw4EHSUtPQaGXq4bOD6Lk1Of9GjqolJCSwdNlSmholw9Zut1NZeZvGxkYl3+ndd3+XrVu3YjKZ77r+s445fzSUF8Xly5ezfPnyCXze6fBwD+7hjNzp+KF3fUtUG6VEKTWjo6O0t7fjco0+YBskoyI5OZlVq1aRlpamGCYzbe9cwFTtlSezXDFHpVLR398/KUQ6M8jvz8jIYO3atUry1aRWcH9+9tTG7uTwrYyxsTF6e3txOp0Eg8E55NGdGqGgFApbsqSEFStWogpHVgTVZN3d6TzbUxu70SFvSVkjEF6ENQQCAZqbm8NefP+c2MSnp2REDFi9XsfKlStZvHjxtMmz0f0gf66+Puy5fABO/VxEhFMqjQlZ3UQMU8DUakmNITY2lmXLlpGZmTkhMiNdI8Jtlw9TarUap9NJc3MzY2NjBIOBaVrw9ECmimnUGlwuF2NjY5hNZhDA7/MzNjbGhvXryS/IV/i6ckGAmpoaXC4XHo8nalzOgUnymGE0Gtm5cycbNmwIJ/va+ad//N8KBaSpqQmHwyGt4wIEgyJq9bNnvE11P9JrKkQxhNFo4M3feVORRrx69SofffQRMTExaLVaOjs7GRlxPlAOz7OEOWzoRjZRUQyh1+sxmUz4fL4Hoi888LeKMq/s4SbKvdoQnXAHoNfrlYxctUqNwMxpC9GbhKzjKl9rKg9T5HORkp3Rhsm9v+vBJsl03z05s3omXmf5M7KHIxAIKBvlgzxvQRDQ6XRYLBZlPE3xrml+h+mMu3t9nyiK6HTaRxZx+Lq4F5dW1iSWksWCBIOStJvBYJhgmN/ttbt7Lk4eV/cagzKvORgMotfrZ3WDUrxsYcqFJFgfSYidDFGUCtzIY+l+15X7xe/3o9OFIwpP4X4sh9xFJPk4lVoV7gupuEs0LUHuT0GQFBlMJpOiCT7VgSi6r0wmU3hMPNiBdq4hekgLgkBm5jzWrllDZ1eX1DcIjI+PExJFNFqpD2V5TdnQlYtpRPrtKRw4XxMGg0GR9AsGg+j0WkDAaDJiMBqUoiMzicI8a5DWFGk8WCyWsOKCSlGG0el0GAwGdDrdnCti9CQxp+48mqMpe1blTOjoDWcmYeqHa8hDXEOYPtSgXF4UlcQDEckjIiBI+rrSf2bo0Zo6CUveSOTvj27LdEbJ48BMk5SmOrhMDtHI/5cVK+SxEH2fUyWcTd5A5demU/SQ/h7tDZ/8896G7uRDQ+T/j7evZ4q771fm2YZ/CoJ0h6LUP8FAxPsWPW65VwnuMO510IkcKCVjV1EjCKueyN30JPatyc/F6XTS29vLyMhwOFNeRXd39zSHokhy6XQHy8mHyUAgGKXuAOElYE54sWcKlSBVOevq6iK2K5ZQKIjf76Orq0uhJ0Qg/T65atp0lCW5v+TKhvcv9vL0QKWCouJCFuTPD48BaV3q7e3l448/Vhw50WNSjs5FEnDv9uh+c4w8ics8MDCIY8hBX18fjY2NnD9/nvj4eEwmEyUli0lKSnxqkl0fFvK6I9MYBEFQnEEyTa+vr49bt6RqcwaDHqPRxLJly+6SHntWMWuG7t2Gicz/i94EI4gM2vvLfj08dUG8L6n9ob3GgmTcSm4RJtzuRDWBiZvBRGMtIu8kL35qtRqtVjuhxGv056K9oFP9/a52PmFM1Y5oo1TO2JflmmBqQ3kyovsx+juivXhyJvSkFhH9cOT+nnyN6HZMNrj9fr9SOU326MmYzXLBU/fZJEpC1L0Kgg5X2nAAACAASURBVIBaq4bwAU3WCpYx+b7vNUdkW1me6vJzVWsk77GcaCIIES7646wSJbc1IyODzZs309jYOOG5jo6OTqj2JYfmo6Mp0RurfD93c+okz6fRaECjURMIhPCFqx9KG5Q6bOzDnKk1MgkqQUV2TjabN2+ms6MzrBogVbscGnJMCK/LHqdIfxGWVZz6YBs9H6OVVgKBAF6vV3mPWi1r887RTpoG8n3KXkiQ+kSn00kUIdkBEuXQkb1xWo0GEPH75X5QKWPmaeuHB0G00R8TY+XgwYN0d9sQEKirr6OhoZFz577EZDLS39fP9773PbZu24LJZJogO/ksYDqHkDRvInSXgoIC3nrrLYaGhhgfH6eiooL6+nqGh4cRBIHR0VHee+891qxZo0QP5KQ2aV2/+zueZswpj27EqAjzJFGFJ7P0L7KxPN0dr2ygTPRITvT83P/zMuT3RhtZ8vUGBgZobGzE4/EoYbDJns25DkFA2dTkLHZZucJisdDe3j7BeJyMyYeF6OQ1QZA86Z2dnbS2tuD3B6YwACd7daMXnIhXWL7e5O8OBoNKpbauri4lEc5iMbNkyVJeeOGFucPbFe4+BMnjSk4M7e7uJhQKEjGIp/ZU34vjKh9YFe9VSGRoaAiL1YLdblfKwAYCAVJTU1m7dg3Z2dlfS0nlQWCxWNiyZQtbt25VNkifz8fx48c5duzYFPcykYuvUqkYGhqisbERh8Mx7UGyr6+Purpaujq7MJpMCAhotVqys7NZsXL5nKoYdxcESE5OYu/evSBGqAxut5tDH31EeXk50uldFaZhRa3pglxB0ENLSzM9PT1KpcjovlSpVPj9fgYHB7EP2WnvaEer0SoH0qKiIpYtW0Z8fPwzYciIYpgDrxSakRwVLpeLO3fuUFdXh06nY8Q5QkxMjOLZTUtLY9OmTaSkpISv9HTvjfeDyWTipZdehDDl6cQXJ9Dr9eTn5xMXF8fVq1dRqaOjQs92f0yGbLCmpCSzf//LgBQJ+Pjjj6mrq6OgoABRFCkvL1e48hEHTyS5/VnDHDF0o6Vqoj1oYU9ACCYawffCw/K5npwhfVco+xGNL/maPp+PtrY2bt68qVQdmgvh84dBtEFZVlZGMBjE4/GQl5f3QJ5+uR/kDbq2tpbq6mpiY2Onuc69xl5oSkN3Mm1ibGwMm82GSqUiEAig0+nweLzk5+djNBrnxMlZkGPpE/4v/XQ4HFTerqSvrxeT2Yxs6E7X7nuPs7uTPgVBxbhnnLNnzyrX9Hg8iiRbRkYGOt3jk+KSNwmIHAInG2CTf58qUtDf3099fT3j4+Ph6ofcZcQJglQF6/yF80qi5fj4OGlpaWi0GrZvT0KjmSOHn2kgL9fqcE6BRqNGrdGAfFAKc7CktV01IUo2MjLCjRs3sNvt4Sp5k68dOWx1dnTS0d4RZfyNsnLlKpKTk4mLi3tSt/vYEAqJBAKBCSWnBUFArVLT1dVFWVkZICVmXbhwPlxsSFpDLBYzRqOBrVu3haX6ZvlmHhPuouAhOyxEhTYkF2SR6EF+PB7J263X656JwxDMzLsqvUeKhknJz9LvsudWWrckz63f70cQhHCEQVAM3mctQjBHDN1Hj69rNDxpI/BxGp5yqD81NVUpqxydWCOLvc9tyBWmJobG5X6TFQ3ulQwEU3PYZM6gIEiJLzk5OcyfP/++hq4srxThUkcnZUX36eRDl6DQHmTNY2kBjnhG5ypkw8VsNlNYVERaWqpSaW6icT899zLqauHPCJG+nAIi0iHE5/Oh1+ufiNc72tiFiEceUDij0dSiqaTtRFEkLi6O3NxcrFbrXcZytLSWHM4XBIGR4RH8YRqDKDJleeSnCbL+skzVih7eapWa2JhYkpOTSElJVaI2MuTxARFNYpVKQKPR0tHRgdFoVJ6NXFRo7q9l00MuoFJbW0ttba20JhlN9PT2YDAYyMvLw2q1KOuFSqXC5XIxODiIWq19Zgy5e0HmocrzJShKUpojIyOcP38enU5HW1sbw8MOamqq0Wg0JCUlsmvXbtLSUp/q8fGgkPdK+bCs1xtoaWmhs7MTURRpb2/nN785zLVr1wmFQhQXF1Nauo2YmBiegiDvA+OZNXS/bkj+SU2GySfUxwV5Mw4EAhMSHZ4mTNVP8kSWeXuP4rAgCdt77go3C1GGmbz5ihOM2HsnqE11Dz6fj7GxMVwuF16vL1xIQAxzGFVz08ARIBgKEvQGwwZZaEIfRBu5M7nYRCN3ao64x+PB6/UqWtPy5aOH8KMe01ONM3kOSRxJP4KgUnjisiEcHSUIBAJhL12QwP/P3ns22XFd58JPh3P65DxnMmYGkzAAQQRmkEqkKNoUybp6WS7RdsmhpPd+8aV/gD+89w+46t4P/nqlW2W7LFsuS7YkUlaiJQaJIAESOUzA5Hhy7j4d3g+79+7uEyZhBpgBsFhDzJzQYfcOz17rWc9SNUe7UC+K8745mzRX+zZ0cuf26IZ3aI3npddUr6sONRTKR7d72ujrhmFA0zXIstE2yc95ThJpMIwqZFl2tLWmOT2hBAjt5R3vr/E8h3gshtdeew2nT59GtVKFy4xcXL92HR+fP496XUW9rpIZiCf93b4BO+xAf/vGQdNU8JwAURTwxBNn4ff7USwWAcPAj3/yE0xNTSKXy7K14fjxCXR2doDj6Eb5YDsV9srsm8Vz586hv78PtZqMfD6PH/7wh5iamsLGxgZyuRxWVlZw6tQpU62BfP9B2jw9sED34Rj0m5udqtC40Nj/PQxt1YrDZxhkkaResN0YbR87WLGfz+5FdnyPZBNu+7yW95xjoSK32w232w1JkmzcKA6apkPTYCaZ7Oq29scMEN1XjvyrG43lXpvbj1pjG3IczPBje+8v7bc0KcmZfGk/1v42kiiKJi/SwJ07s+xZER1daQv93Obj2cvmWjkHBPiBA9xuES6X0HCs/bm3vTS32w2v18sWT4EXwPEcyuVyE8XAaKMYA9B5CwzEUu4z4edyrP3t9AaaGGnoNLR9uDb0LrcLR48O4ejRIfYaxxHv//Ub18nf4GBAh6EbEARb6fhDTkfbiREvpYs9a6oeQPvD9Mw0CoUcOjoSkOUaVlZWzI1yHS6XM9r2oINde7/o7OxEZ2cnDENHoVDE+fPn4XKJCIXCiEQicLlc5jxmOVloYtqD0E4HAuiSKPBuG/PBH+BbTWJk0W2djWn9bfeGcawU7oH1HjJrrQyhqpaXiCambdZOrRa9xgWzlWeQ4ziSbKPDAUrs8nB2oNdo7a6pXicC8eVyGcvLy6yylq4TYBWJRCCKwsHyTpnXQe6dvkDBbnP43k7daOXtZZsIw+JyNh5DM72hxWIRq6urzMvAczz8AT8CAf++919BEPDCCy/g8ccft6oYAshkMvjVr36FcrncdF+2u2Bjz1IPscKv5KPk3mu1Gkm2zOSwvLzKgIzL5YLX64XX6zk4SYstzOPx4Bvf+AZefvllKIpCFkqOhOM/+t1HZrW7zZ+VnR5ir8Kn60TmTRQF1Ot1yLKMXC6HtbU1No5FUUQwGIbX69lWaeKDavTS7WOGztOGyW2v1+ssSkfbwe12M7paKBRiJYQfNKNjhvLDDXMDTqkymqYRlZRyEaqmolDMs7kjEonA6/Wa4+jw9pHtWrtNkGEYyOcLAIgCg8vlwsrKCltTo9GoyZ1/MNroQADd3dvWIePDbjvLZm8Oe1p/W16ScrmMpaUlFAp5SJLnwHs+7GFJ+2s0NEqSMgJ3dXxaJpGCJsMg5YIXFxchy7JjYrSHna3kreZ2b9Wudv1fwzDwwQcf4Nq1a0xuSFU1HD06jDdefwNHh4+aAPjuyn3utbfHvjEwDAMbG+tYWVlhGfHbvQYLLLc3snDpKPzo3/H+b9+3roHn8PjJk/j611/FkYEjd3M72zKPx8PoJQBpA1rEplgsNn3eah/y99raGlZWVhhwbTVOaVWjf/vhv+HX7/3a4fF88skn8Yd/+Afo6urar1u8a+N5DgFz82Hvr/lCDh6Pp6HwBhk31ENPX97Y2MDq6iobk/boE6Wj1et1ZLMZpNNp+P2knKmuk83nf/vGN/ClL30RHo90j+56/41uJIm6BdksLSwsIJVKweVy4cc//jF++9vfsvmmVqvh2Wefxeuvv4bOzq4DP7/vxuybAY4DOIF4Hru6OuH1elEo5KEoClZXVvH3f//3CPgDUBQF554/h69//evo7urBA7gHaGmNYNflItGDtTVSrVOWZVy8eAGZTAbhcBiapuErX/kKXn311ZaJoofRDizQZVqSHJFcoWYBiP0Cudtz1W8FHvZ6crGHhO0hu52ei35WFAU8++xzGBkZacoub+V5s//eyvPWihaxX7xJO61AlmXMzc05PG27PX7j5VL5sueffx7RaNThEadyZxZPtXV/2KoN6L3Q+0ml0qjVasjlc2aWbGuP7lbhyla0ATs43VpGxvLSsntoiPZZmw0VPT29OHnyJILBIPO4WNSY1u1A9FXbtJvpsaFm569yHIelpSVkslmUKxXHPe/Xot4I7un57Jny9s86r4mEmSORCE6dOoXu7m7HMRqPR79DM8mnp2eQyaQhyzVHX7D6477c8rZtu+en3GX6HUEQTS1xczwBkGUFfb19eOyxxxAKh1q2E/3bDpw1zcCVK1ewvLyMarVqVlTb09vcN9vsOj0eCfW6gpWVZaa3TYB+FmfOnMHp06dZpIDnebjdbty4cQNra2soFIro6OgAz7em1jwIZt8kAcBXv/oynnzySSiKjEwmje9973tIJpNIJBKYmprG0uISstkckh2doFJ3D4NZa4AAv9+Pb3zj/8GLL74EnucxPT2Nf/mXf0Fvby9isRiuXLmCxcVFxq3fDc44aHZwgO6229Bo+HevT3ZwHuZWiSnb/WxjaJ54S0QEg0HE43HmKWnvDd5+J7cD8lavt3pvN0YXOlmWkc1mkc1m7/p4hkEnTYLoqNcuFoshkUg00RyotWub7bSZnSdNKSUbGynzNQL4dM38/T55IAgfznm/lLLBcTwEXoTP50MikWDJDHQzyvNCyzAyqQjIOY613WvhOR6KrJBCBQaga4Q3TBY9Cs73v7HsxVkMw3D8bm1+DLagut0uRKMRJBKJpuqF9N6oEfAsQNc1lMsleDxSizEFk1Jz//rGTs0q10rCzZxLAGduEjSdFOrx+vyIRGOIRiLWbG8YAJwbL/ucZhjAwsKCQ0IJBndo2qWVcRwwMjKM73znOygU8uz5V6tVvP/++/D7/QgGg5Akic3hLpcL0WiURQ1UVYMo4oEGu3Ys4PN54fN5wXGA3+9HItGBRKIDfX39qNVkorIDDtWqDFHQ4PFKDyS9YyuLRCKMN1+tVpFIJNDT04NksgPpdBoulwuyLKNSqZhzl7tBLWZzquRBs4MDdFtY+wVwLzy5B/vBbGZ2Txn1nNl/tjL7wkrL6drfa/QYN57Xfp52wLbdOe/W7F47GiqnyUD7MdgaD2kPoVqfaT7vThNE6H3pugFBECGKInRNhwoq6m3pkO4lFaE9Dab15qmJS2/SDwyDM4ErkT+i4EPTNPMObMfYwaap0YsHADp0aDrx8OqGYYv42KMKdo7n3poVFRFRr9dx6dIl3Lp1i4Xa0+k0DMNAKBR0fMcwzBC7w3PrjMw4x2ZzIYWma+FNsKsfXLArii4oioLr16/j4sWLTMFifX0dvT29rK/pug7doH0P0JuevbN8tfNf8r6VSGNuMgyiz35Q22Yri0QieOqpJ00tVBKFqVQqWF9fx+rqqs2jTcaDJLkbuOCG2ee0tkmTD6KRxFUeum7g44/P4+OPzyObzaJer2Nubh5+XwCSJOGVP/gDnD17Bl6v535f8n0znueRy+Xw85//HJIkYW1tFZqmY2ZmBjzPIRgM4U/+5E8wODi4LZ79QbQDA3QPdkLU4bfNOqcdtFJZpNah5i0W3X0cAO1C8bIso1ar7dt5zbM7zku5wZQ752yTZuCyHfoCNVmuQVFqKJeLyBdyoGWxASIY7/f72m5AtnP8/TZ7H7GXaW53TdvtM9SrzPGk+IBck2HAMBNx1hmPmSZuuVwiSELT/skuud1ufPnLX8bo6Cgop5TjOFy9ehWffvqpLUIA817Jj70qH02eaXm/JvirmPSMjY0NMyRP7snr8cLv90MQxQMdph8ePoo//dM/xfr6OgzdAC/w2FjfwDvvvEMkoAw0PafGPluvK9A0tel9AnwBXSdjp1gsIJ1OmRJkhP5BEvkOp+eO0hVa0Y/IS5azghSR0Nj8VCgUkclkWClqQRAQCASY1/tBNHs7JRJx/OVf/gVWV9dgGAauX7+Od955BwsLC5AkCZl0Dr29fZiYOPZQA93+/j781V/9FTKZNBSljk8//RTvvvsu5uZm4fP58cknn+KJJ86it7eXFcA5bHZggO4ja207oS/cjem6jrW1VVy+fAWpVKrp/XZeS2r7dY2NVIFGgKQoCqrVKo4ePbov5280RVFw+/ZtfPbZZ477b7cx2I7Z761araJeVzAzM4N4PM68XW63hGeeeQavvvqHCAYDTd/d7nlaeRD36tkZtg1BqVTC1atXMTM9Q2SzbLb9RdZgNAjKKaZRiFKpBFEQMTk5aSZMkIW/s7MTL774Ik6fPg1JcjOguVcLuz1c7na7MTY2htHRUQCw8Z4N3L59G5VKpWkTZI8kaZqGqakpXL9+HeVyuak/0epXuRxJ5pqenmZJl7puoLe3F1/96lfx2ImTcLtdB9ZrKUlujIwMY3h4mIBaHlhaWsL5T85jYWEBuqET6SxHWzl5+BcvXsDMzExDVMnpFU+n05idncXly5chCCIrBjM2No7XXvu6WT3x/rTBbq2RFw7Y1TsAgMhtCYKATCaDy5cv49atW+A4HrOzcyyqoKoagsEA3nzzTZw8efKBBrsA2OZxcHAQ/f1H2Cb0ypUr4HkeAX8QS8vL8Hg9MKspH+Yg766NRAE8GB0dBc+PgUaIr1+/jq7uLni9XhRLxbYRvsNiDyXQ3Ul4f7fvHwazgx5N05DN5pBKpRCNRpknodV37P82/t7K9mpwtPJk1uukwphhGCiXS4yjWalUWOIL1eDcq+uoVCqo1Wro7e1lHjbzilho2g7Id0ProKAXIIAnnU7h9u2beOmlr5hZ7Tvrf7quM0mzQqHAvk/babcFVqx7sK5bEATIsoyNjQ1wPIf+3v6mc/AcD45qCxs77yOEtqBD1zWUSkQmp1arYn19Hf39/Th+fAKS5AYFy83Xu/vxa6fOOK9JZ2VJN+O702MYhoFMJoNarYZoNMrkoRotmUwy4FutVsHzPAqFAjbWNzAyMorjx48DnMvcFOz6tvbVqDebGs/xTKIPsC+ilKJgtRmtfigKImKxGPmEqUBgf45EJ5QWqSBjv1AoQBAEZLNZDA4O7BudZb+sVX+g/a5arSKfK6BSqYLjiLLH3NwcAoEQotGoWT2NRAM4jsOdO1cwMXECw0dHEI4cTs9cK2s1lu3qL/RXSvvQNA2VShXpdBr5fJ7MhzwHj8fDuPAk2fhe3cH9M/tcRiJIxImQyWRYDoIik2iKLMvQdR2CIMDjOdhSh432UALdRmuUrmq0w7yT2Y7ZQ+ySJDEB6cNguq5B01TcuHEdly5dcmQmcxyH8fHxPfNc2vuB1+tFR0cH4dLaABwBO80Z4rsxct3EeyfLtbuaWLxeL6LRKNbX1zEzM8MqWNHJKxQK7frYdrO3kcvlgs/nM8u1Ao3c+rvdLHKwFB04nuhBWp5RjnEa7505ObY0XNw4v9D3eJ78uN1uRKNRVta2nVEgyPMCBEFEuVRp+9mDbIYBqJpKPLnmuKTJUyRxzwIZdOzyvACfz4+gWbjDas4WPHLHZlyHyy0C3IMzf/M8j2AwiOXlFUxOTrEoR6VSZvKE0WjU0Q6CIKBQKMDtdoMXHmwQ1xj1o5ubSCSCjo4O3L49CUVRsLGRwj/8wz/gnZ++A4/Xg3A4jG9/+9t46qmn4PU+OPJ02zU61rq6iCd3fn4efr8fy8vL+F//63/ju9/9Hniex+DgIN5++20MDQ0dGrB7oICufo8WJboQGgag1usolUubcgnpLsbv98Pv88PtNgn/Rmu1gsNq9D5IghcNFaMtaLMmEjt/de85oxTwOcEC2MKYSHSwMD8drKVSCSsrKzs+x07MnixEwUurRXcngK7xPslrFBjxOz4eNb/fh9dffx2vvvqHrO1UVcWVK5fxwx/+CPl8fpNrsiT+iFoCmvJBt3runJk42WitvrPd/kG9wTzPQYCdD00S48jw5O4hyOEA8AAIVzKfz6NeVyCKIiqVCiRJartptvrR1p512s/0bXz2QJoZcgeAcqkMr8cLVSO5AeVSCfF4bNOvs405zH5liybYExKpBrNZbHq/7mZfrXHOA0g1sLfeegtvvvkmNI3O2Rxu3LiBf/zHf0ShUGRrFjWtoQz1w2CU4gGQNe348eP4n//z/4OqatB14D9/9p+4+NlFHDlyBB6PB+fPn0ehUDC54A8f0AXIJurMmTP47nf/D2RZgaZp+Lu/+ztUq1UcP34c+Xwet27daplXcJDtwADdxsSNzY1m2d7VGQEYWN9Yx09+8hMsLCyQI3NE0N3OYdJ1MlkmO5MYHh5Gf38/uru7EAqFTa1LhYEsO+jZHm/TsP17fyciO2ij3imrdG172xmQ2/mCs1UCHCmH6QQQdl3dVmFkp3j99q6hGfCT9tF1ClAtINqK4rGTc9mN43SHusTujIMoio7kFsMwEAgEmzJp7RuLu/G6Mg8kc8+1Oubm3O/tvMebmwBBEEGAprWRBWc4zrCXnORWxvMckskOjI2NYWFhAaJInluxWG4qMw045zw6b8AG2ltx1KleqsulsNcMw2zJFk23FY3mntOwOCASDuP48eNsXNHxahVncZphGOAE5z2QDVj766ee4sOYhLaViaLLEXUzDAN+v99MPCObY/vmm+d4W5nXwwn6t2uNOQj21yTJA1EkGyCP14OAP4BwKIxAMIBgMAhBEEH3S/Yy0ruhnx1Wo/kHbrcbiqLA7Sbl6v1+P1RVbaq4dxju/cAA3e2bM6HDac6EpbZHcIS9dGhaHYGAD/W6imKxiEKhAEmS4PV6EfAH4BJdAAdMTEzA5RJx6dLnuHBBRSQSxsDAIAYHBxAIBMzJmobVtgtybUCXM2yv7e1i3AqAt/IuWSCQhBVVVWNtQgWk7bu5xpCs3VoNgL0aFFuBsHK5jGKxyELyjcDNfu/WvwBs0ljWa06zf0/XrbKTlUoFxWIRiqLsyT3Sc9BjC4KAX/7yl4wXLAg84vEERkdHEY/Hm7672bOxH9v6m0pycSyE7DwgdtAtDRDdU1oCl9Smz+azyGYz7PyGbkVYWh/DaDvcafsbBslOVxQFtVoNV69ehc/ng8fjMYEhh97eXoyMjMDv97U8jv0md9tF6fcmjh3D8PAIA2+GYeDDDz/Ef/3Xf4GC2PaebA6qSgoClEolR1+zR1xqVRm1mozPP/8cPM+zzHpRFNHf14ehoUH4zHttxac37oLP23jpOz0OxwHBYBBvvfUW6vU664OGYeC9997D1avXWs5LjW1XMzW0y+Uik9eyf14QBJTLZQQCAXzwwQdYWloCxxGlC0ly4/jxE+jt7T00QHizdibPlYw1637I2KjVakin01hdXcWlS5cAwDaHCDjS34/BoUFTf/bgg5adWGv+LmkfXddx584dbGxsQHSJuHbtGkKhEGS5BsntRld3N8ZGR5nSjbNLPrjecdp/iJqHAUWpY2ZmBuk0KWa0vLyM999/H5OTkxBFEWNjY+jv72+b13MQ7OBe2ZbW2IF35p0DwDyWoigiFApBFEVEo1GoqsYSjrK5LDRNQzgcRiQSwcTEMZw5cxqpVApTU1P4/PPP8Omnn6CrqwvDw8Po6uqCx+MBoEPX22vRWoC48R72dwBtJ0RPE2p4noOiKFheXkatVmNJMY3WyIlq9f52d8btrnmnRpOv7F72Vnw+53maz0W9ZfQ6GsEjPV6hUMDS0hJcLhfC4fCe308wGES1WsXPfvYuKGdRlmVEIhG8+eab+OIXv9AMTDexRrqF9cydG7W78UwzYEKq0KNcqWB5eRG6riOR6LDJbFkSai2uFJuNCVr6VTeBjdfrxfLyMt756TvMI1OpVDAwMIBvfvObePzxk/suZcjxHCTJBUkyiyPoaEhapH2y2fMEWH3J7XYhGLS403QBIh4XCf6Ajrm5OaysrDBPb7lcxtjYGL75zW9iYmKcRcroI2XO9T0Cue1ea7TG83E84HaLcLtFdgxV1UwP7OYXR8fcxsYG1tZWEQoFWSlgu+m6TjipPI/PP/8cV69eZd9Pp9N488038cYbbzwwZU7ZszY3PJz5wBcWFiDXZCQSCSwuLrBS1ACQz+cxPDyMP/uzb2F8fOyBA7qtjI6V8bExLJw5jXw+zyqA/eIXv8Dvfvc7KIqC8fFx/PVf/zWGh48SVZBNtKrta9yDYoIgQJIkvPTSS/AH/JBlGYqs4NKlS/j+978Pt9uNfD6Pl156CW+//TYSicT9vuS2doiB7t1ZM2ghiy4J77pYtRlNJVmIpVIJ77//Pq5du4bu7i4MDw/h6aefhiiKyGQymJ6exsWLF6FpGjo7OzE4OIREogM+rw+iS2yrl3nQrV6vQxRFPPPMMzh79mzLEP5mAHc/bbMw9MbGBj7++GOsrq5CURSmNVmr1Vp6P/fCOjo6cPr0aQwODm5r0tspdYLydCngyWQyWN9YNxUNDOw0L4B4f4h808rKCvL5PHieh6LUUS6XkUwmW1+L+d/OzYDX68P4+DiefvppxqFsD3Kt77UHu83eYOK1I99xu9yYnZ1FNpclmq2b2v4tVI5iH4yjarJHG/qKruuOvsSO4QDKzj5BZLs4TE1Noa7UIddkaJpVQIGCXQO7B7nYwXcbu/aWHuSmzWTrCjp5AAAAIABJREFUDbWDtsBxGBgYwJNPPoFkMukYT6282NR0XceFCxeYfJv9+IcZrHAcUahYXFzE2toa6EYzk8ngmWeewZNPPsnWNcMwIPA8ZudmUalUUK8rTIv3QTfqnT06PIy/6O8HQCKALpcLMzMziEQiyOVy4DiORDE1A4J4eIuO3I3xPI/nnnsWZ86cgaZpKJfLyOVyUBQF0WgE8/MLLSPDB80eSqBrn8zooNc0HYKgs4oqABgvMsAFEIlGcO7cOfj9fiwuLuCjj34HjuOQSCTQ29uLxx57DGfPnkUqlcLs7CwuXryIuqKio6MDA4MD6OjogM/nM6sn6S29IJTjeZA6TqMntjFEuJ3vtvt7p9boOd7sOoLBIMbHx+Hz+Vh7G4bB5IZaHXuvmrwdJaTx93ZUj1a8TGqaprGkNFVVoam73zxxHI++vn688sorTAvWMAzIsoy5uXl4PF7HNRgGAbg0uWfnYNcCdbquQ1HqtsV1dx5d65g0tOhsZ8VQWNIgB8Lnbe6H+w9uOI4UurCAOW3P1lxCjoNjc9zYJyweMvXG6xAFk3/NcwBHQbWTD2zo1iaF4yjQbm6CdkPV3mWNhkdjP85mQ91BC2K/G8zTRnikzd+jczXd7Fnheqt8tj1KQe+xkbZFPyeK4p7KDt5v6+hI4vXXX8fc3BxLRtN1A5cvX4FH8jj4z86S3uTfxo3Eg2wcZ3ksBYGHwXCABrWuMrUUXSdVGAU0Osaaj3nYN0qtjIwZAT6fD7quo1qt2sagcNeylPfKHkqg22g0bEEmPb2ps9JkiXA4jGPHxnH8+DFks1mkUiksLi7iypUr+OSTTxAIBNDf34+xsTGcOnUKpVIFMzMzuPT5JaiqimgsiiNHjqCvrw9+vx+6rjach3IaOVCdyINgdnBif62R79puwbgb2kIr286E4vEQEWwK4OjznZqawszMDPub3tNeXtt2Exc2u4et2tL+GU3ToKoWaLR7ZbY6TjwexyuvvOJ4L5vN4t1338Xt25OtF7674LA6+5JhSmwRANgIUrZ51LaUDUqb0Mx24Zp0b3d3H7sxl9uFUrmEO+fv4EbgBgBAqctYWV5mXGLruiw9ZsCp19vo1QVI8YWbN2+iVCohm81C4AWk02kWSuR5npST1lRwIHqhNPnG7/fD5/MhGAwiEokgGAzC4/EwECjwpjwa35wg5/BSc4SiAQ7mJqi1cZyJbW0f0M3CD3QBXVpawvXr1wntgOMhKzJWV1fR3dVtbhasPIZG+g27Hjj7rP0zmqY5fuxcagJwrDY+TMAlFovh5ZdfJm1stq+uG/jXf/1XzM7OArDaRjd0QG+cQ1T2bFt5dg9TW2zHeN4aW7wgQBRFrK6uYmV5BdVqFRzH4/v/9H10dXeB53lMHJvAU08/gUAgsIt56vAaWVc4RonRNA3T09Pwer1Ip9MYGhq635e4pT30QNc5eDmbd8n5uiW4X4au63C5XOjr60N/fz8Mw0CxWMTS0hKmpqbw2Wefwev1ore3DyPDozhz5gyq1Spu376NCxcu4KOPPkJnZxITExPo7++zLXT2Sab9An6/rdED1WrQt/LmNtJFtjI7aGzlEd2J6brOihbYF9W9nqzahUzpc71bj729PQhXkwi/l8sVllEtCMQrRismtTvO5nxrHkSiqzkZCoAlM7ZLo6BDEERQvdvWfcTiV7fuO9ZY5WzcYvYux0Ewn7OmaajWZBaVEAQBbrcbori/WpAcD5w+fQrhcBjr6+sEkBlE8P/Djz7A3NysbRw1fLdhrFnPjWf3sbGxgUuXLrFCILquY3JqklF2OA5QlDrC4TA6OzvhEl3QdB26pkHTNYsCYZbMdbkJdcvj8cDr8cLr9cLj9RBAHAgiEo0gHo8jGo0iHA4jGCCA2eP1ME6s/ZoFXgAv8E2AXRB4soDqPAyDFJE4c+YMYtEYcvkcu65CoYB33nkHap0CUsDQSbEQwxAcxwQIH5pSlVptsmnynqLIKJfLEEXRMZ4oyD+MuM4aI9ZmQNe1prHK8zxEQSCFWzjS/oqisLwGURTZs3wYTJLcePPNN3Hu3DnIMtlY/eIXv0AunwPHc1haWkImk8H4sVEEAoG28/eD6NW1cgOIFvFf//Xb2NhIsehiX18fotHofb7Kze2hB7rbMbIICObvPNsJ2gFeMBjEiRMncOrUKTP0O4fJyWn84pe/IJmtR45gdGQUZ8+eRSaTweTkbXz00YeM0zs+Pg6PxwNan32vhJgtYLV33mHDMJBKpfD5558hnc5sCdx2CnBbna+Rm7cb4zjO5BZFGUB0Hrv5O2Qnu/vrXlhYwIULF1Cv1y1vyg6lzRrvgf7UajVUKhVcvHgRv/zlL0CpL5Ik4ezZs3jxxRdZydidmiDwcEtuuNwu1h/t0mR74dGgx0mlUrhy5QoDgU5VD4Cu0q3P15rPaT9HqViCqqqYvTOLjo4OciwYCIVCeP755/H000+3VGPYS/N4PBgfH8PIyAhbDEvFEpaWlrC8tEwoU+Adt2IHjIZhYHZ2FtevXzeTZ8hndF1n2dDxeBw+r49tQjjO0j8uFAp44YUX8K1vfQt9fX2M7qBpGhRFYcoq6XQGmUwa5XIZlXIF2VwWhUIBlUoFmXQGSl2BqqqoVKpmVb26RSngePj8Pvj9fiZP5Pf7EY1Eibc4FEQoFEIkEkE4HIbf74ckSRBFkUk6ut1uDA4NOgpt5HI5XL92HUtLSxBEwTGf2T2QdDN76dIl3L5921FWmW6s6DELhQJu3bqFCxcuwuv1svbu7e3Fyy+/jOHh4UMHWNpFznSdeNztFSIVRcHHH3+M69evoVaTMTU1hUSiA4JgHeONN97AmTNnIEkPvqasIPAYGhrA0NAAAGBubh7T09NIJBI4cuQIPvvsMzPJnIOuGaAKSQfVGbVfxvM8RkfHMDo6xl47DOPkgAHdrfh4jZ/dG6MTvqqaXL6GzkuJ+vQ9i1pg5zmRXbGqahAEAcPDIxgfP4ZarYaFhUXMTE/jV7/+FQzDMBUajuLkyZMoFgu4c+cOPvnkE5TLZfO7wzhy5IjjGlpxNi1O4uaLvd3sYdGdeBYbP5vP5zE9PQNBEBCPx9t29rvxXu6l2duuXq+jWq0ySSb63HV9Z9fZzKXVmReJlsFdXl7GysoKYrFYk17t3ZrH40EoFIKiKJiZucO8edksSbw6d+7croFutVpDJpMhnGZegAEStdjp8zQMgxVuMAzOEZKn4yydTmNhYQG6riMYDLYEuu3P2T55iXyfgyR5oOsaypUyynMkIkMrwkWjUTz++OP7DnQBC2gApF14gSS4kDalIf3W96nrOtbW1rCysgKv1wufz0f6rU4S7iiAUTWVtQcHgNNIYQlVVaHWVbjdLkSjliqI0SJJzNCtQjG6CSp1zeLHcjzxJtdNObdSuYxyuYRCvoBMJoNcPodSqYxyuYxSqYxKpYzVtVUsLi0yYF0qlVg5Vko5cLlc8Hq9CIVCCAQCkCSJlCBVFFy5cgXVqgnmfV64XC5ks1m43RJWVlbNHAsyN09NTSKV2kAkYpUyt9NARFFAOByCqmpYW1tjc7uiKJibm8Njjz2Go0eP7uWj33drpGtYY4J47Gu1GsqlEnRNgwFCT7pz5w5cLjcSiQ5UKhVMTt5mfWFhYQGjo6S8tFMx5ME1+1jQdR3lUgmCwMPr9bK+ms3m4HKRiIfP54UgNG8wHkSvrt0O473dV6DbvGjawi2GDoFrJW5tNPzbbNt9EERPUUI4HMFnn30OVVUhii54vR4Eg0HGRyEyLcB7772Hycnb6OzsRF9fHzo7u1i1I01VSThQp8lahP8lCAKGhojWbr2uIJfLY2lpEbdu3cTGxgb8fj96e3vxxBNPQJZl3Lx5Ex9++CGmpqZQKBSwurqK48ePw+12wzAMVKtVVjqTtKG93Ta7152D23ZtSz18wWAQyWSShS32cgBsRYXY+T2Qz6fTRCHjBz/4AQOq9XodtVoVXV3dTd+iOq3281ph9uaz2CdKwzCYZN3g4KC56G4N2lrxn9uZPZxNfxYXF5kXZjeTriRJSCQSyOfz+PWvf81Cu7lcDoVCAf39/eS8m1Yc4xp+ABj0fqzXOY6HKIgIBom3L5FI2DLh9Zb3vxnlwvm3jQ7QcKlKvY58Psfu7d6Yc67jTC8bxxOCK70t+/O0myAIiMViJtjzmXQMklpWrVUJRYDj288EJrWD3q5BHH3Nn+dMPjU48CSFD2ioCO5yCfB43AgE/Uh0ODe6hmEQ2otBrs3Oo6UbzXK5jEqlAlmWUa+TqmiKIjOFG0VRmB51OpXGjRs3UK1WsLZah1JXYBiGCUQE5PN5SJKb0VPS6TR0XUc+X4DH44HL5YIouuDz+eF2uxxjOJlMMs5luVyCLMuOcb2dvnc/zA5sW9G67IA3EgljdXUFk5OTbKNVq8koFgsYHBxEIkFUaOgmnXq/yZpDuPS7JuYfKrPuU5Ik+AN+3LhxHdeuXUUqlUY2m8Xk5C14PF4IvIA/+/M/wxNPPAFJct/fy35kW9oB8uhayQX214hHqHEq3puFiUwCUbz66tfx1FNPY21tDRsbG8hkMqjVavD5fIjH4+jq6kJPTw9cLhfW19exvLyMK5evguM5xONx9Pb2oru7B8lkB7xeH3RdZaFBu8KCKIpIJOJIJjtw6tQp5PN5LC8vY3Z2FpOTk6hWq5AkCS+++CKeeuopfPLJefzf//s5fvSjH6G3txfj4+Mk7O5yMz4m1UrkeZEJYTe1bJuFfLch6GZQQZNA2n1+75K97tYoxcTuNZRlGevr6yboAewTHgW02wOMFq+6VRvZ6SOt22RnntJ2r1OeneUN3XqBtt+fJEl44YUv4MSJx1Cryazy2MydGfz0pz9lXNDtXa4zecq6bJtigGFlPFNeKbm/rek2jZQWzpbwhgZQ3fBN9v3mzfZ+LOqtGsuApqmoVitmlStCralUquD55nFp9xgR7i25X13ToGtaExilxsGSpbNTcdp1ia2GauPmil6Tg0NM5yb7Mek8KIjwerxAnHqNWycAU+CVSqWQyZINaigUYv1kaWkJANDf3w9B4FEqFVGplJFKkTl8fX0DqlqHaiqT8BzZoLvcIlwi8R6feOwxDAz0w+VymZ/beR5Buza6W2t17MbjkjYCrE2dM+rH8zy+/OUv4/Tp01AUBapKxlo+n8c///P3USgUUKvJcLlEFqnUdYNFuR4ms7dtMtmB//7f/1+UyyQC9Mknn+Df/u3fzKiDB7Oz85ifX8DJk48xoLsXdK5Htj92gIAuNcP2s9/GQRBExONxxGIxDA8PAyAZqIVCAcvLy1hfX8fS4hLm5uYgSRLisTj6+/tx7Ngx1Ot15HI5rKys4M7MHYADAoEAkh0JxBPkmH6/3xGupIsUQEDXsWPHMDExAVmWmRbvhx9+gIWFBZRKJSQSCRw7dgylUgmff068zrlcDgAJR4miy+SbGlDkesu73MvJ2AkssO/i+3ttVDKOGk28oOU0W01W7eeu7ZVH3mkz2z3GlCpjvsPC3OTY9rCZc3EDAE0jOrX0M3bOJz1P43np50LBAELBAGB6RDkAdbWOUCiEbDa7K1kzo2EjS8cDpQ45s+YJ4OS3KPFqGI0AibYfHECrxcXYrmXrKNF+mCiKTIUlk8mgVCa0A01TIQhu2EGk/YdEVQh456mUGC1AQ3ZljvOQHAPeVCywzP4xexNv1kdafYYa3diTaoEGVJUAUlmWTZClQtd0trmp1+uQZRnVahW1ag3lCuEFV6oVFAoF9pNOpzE1NYVyuQzJLZEkQkmCLNdQq9ZQq1bh8UowDOKF9Hp9GBwMIRaLw+1ygzNBvuR2w23SIQjnnJbVBtNd3itz0tpac2fbtWPzcezfc26mSWVPql4iNJ2L4zgEg0FWFKNeV6EodQSDQfh8fuTzBQBWCWYmP3aXkb/DbqIoIplMMt73wsICvF4vUyqhKgSaZknaAXT9uM8X/8ia7AAC3Xtrdi8EDWOKooiOjg5SCQxEUL9YKiKVSjFJsVqtBo7j4Pf7EYvFmHJCuUz4aLNmJrXX60HETMaIRsm/lPNk1330+Xzo7+9HvV7HuXPn0N/fj5/97GdmwsB1JBIJ9PT0QJZlFAoF8xpkBINBxONERkg0vUK2u2MhXBqk3Onk1SqE+iCatTAAljf37o+50/Yul8vI5/MALE5nKy8O7acEuPMQBJEt3I18RGsR38712L105H8GAM0EoyQs3eJbXPtFmy0CjK7gLJTgyNIHUUmwQL0zWdA6B/Xg2j2z1jntm4Ht2f6uTq3axuPx4stf/jKee+455qHleR43b97Ee++915TxboX/dQfY4UA3DA6XOSh1ADAlvBwaw+2vlYAnnRVYqVQqLCNfURRUq1VUq1XIsmxSD+qO9yqVCsrlqsnRLaFYLDKwq6mkD1F1B6pyYP9xu93weYnkWU9PDwNqNHHN5/PB5/PhypUruHr1CgYGBtDREQfHkc3db3/7PvL5PJLJTrhcZtIp0w82WB9ulDUjbbp5FGGr8dMMTGGLqGzdGRs3guVyCeVyhW0YaMlkO99b0zTW/uVymT0fVVWhqnVWylVVVRSLRIJubW0dFy5cQLFIisS4XC4cO3YM/f195rxyOFUn9trsGwdSWGcZfn8AhUIBU1OTSCRi8EgehMJhjIwMs8TGR3aw7AADXQM0s/FeeFpaTWC6RjwPvMAjFoshmUyC50g1nXKljGKxiHQ6zX6q1Sp4nofPRzi+1EtYKBSwsbGBer0OQSCJELFYHIlEAtFoBF6vzyx9yaNer8PjkTAxcQyqqmJpaQnd3d0oFotYXFxkGdBkwvdD03QsLiwiXyjAJYoYHh6G3+83z+8GxwmgYWOq6AA8PAB2a7NLmJFFjucF9i/HaZuAuJ0D2c1oHPl8Hrdv38by8rJ5fkvWjibKUfABwFTp4JgiAgW+tVoNs7Ok4lE4HCbAwedDIBBguqmBQMDxt8/nY6CD0mLs9A2AZNWLgpUhrxs6oJHr5G3FTuyqEpSDSulHHGB5b23NwFRMGKWglQeYtDm9ni3bmtI2sHOv+n4bBbVUxgugAFODJElMRcAukUW/RzbJJMzO8xw4s+043lRZ0AkdgHjIyb2rqmouztPI5wsol8sOUFSpVIhntVZFtVox/yavKUodtVoNtVqNgVqSzyAS6TEPkRULBALsb6+X9LHu7m74fD5IkgRJkuB2uU2vqxeBYAChUAh+v58pNdg9Y8QTzbXEh6qqYWNjA7dv37IBc81Bf1HVum3DQzdY5qagTdTE3t8s3XBrE9VIDaDHpq9RD7V9c0D4xwr7u16vsw1AuVxm7UqfNR3THMc1bSqq1SoKhTyKxRKr9Ef4xWWW4Ee5zR6PZG4OCE2jq6sLfX19CIfDiEYjSCTi6OzsQCwWg8/nhd8fgNstmX1TMNtls2IuD75xHJGcGxgYwOnTp7C+vgGPx4O1tTV8+OEHuHNnBrpuIBAI4Nvf/g5OnJgwveIPb5sdRDvAQBe416FEoEGcXeDAw9JapeEd6oH1+/3o7u6GYRhsN53NZpBKpZDP55DNZhm4dbvdLMFNVTXMzs7i5s2bEEWSiEMrp1EPrCyTUJ8gCEgmOzEyMoKTJ09iY2Mdn356AdeuXUOtVoWuG3C5yCJTrVZx9eo1TE0RLltPTw9q1ZrtnmzVmQzLw/awG12ocjlLScIwDFQqFTPktxdtRNqaqnW022TwPI9AIGCromc4eHg03BuJRNDZ2cnC/nQBrdfryGQy4DiOFTWh3jTqEVJVlXlx7J40Ku9EgQjt48FgENFIFIViCdMz01hbW0OhkAdngrFKpYJAMGBmIhP1AnocVVVBpa4EUWByVxzPgTOsBDqigMGD0pg5nkj6UQ+mHWhsJ0HIoi4c3P7dfN0EYFAFBXv42S63RcOjHEe8uLqmo1QqIZVKO2S2KFCmfxcKBdy4cYNFrujxKWD1er2QJDd8Pi8CgQBiMaKVG41G4ff7HaDW3nd8Pp/5XQlerxdut8Tug+e2Lp26m1CvnWJE2wcAq2xJIhzEeUC8uWAAl/LlKY2MjqFisQhN03Dr1m3wvGDypSsol4lTo1KpIJ/Po1qtoF5XW2j1knam75Hf68xjLIoCA520LelYd7lcJkAuo1KpsrFcq1WRy+VQLlfY/Vo8dqJD7fP5MDo6iv7+foTDYfh8XkQi1nOzq1lQz3ihUMDf/u3f4ubNm+ZcV0WhUGR9JZvN2ihUB3cM7afRQgkAh6GhIfyP//E2KxX83e9+F+l0GuPj4yiXy5iemjY3+HvDz35ke2sHHOjaze7d3RvgsV0NvHaZrfbXRFFEOBxGJBLB4OAgdJ1MdLIsI5fLYWlpCaurq6hWqwCINy4SicDlElEqlXHr1i22w6fe3WKxiFqtZkohBSAIAqLRGJLJDmSzPRgcHEKlUsXGxgaWl5dRq9XMz0QhyzIuXbqMtbU1yHINfr8fkUgEvMdDPBUcB30T7+LDZC6XiFAohHK5jHQ6zZ43bU+64bq7CWx73l/iQSALEynhqcNOcaELejAYRH9/n4OXR21lZQWDgwP49re/g2AwyEAPCWWqbAGu1Wool0mWe6FQZP2vUqkwXdWNjQ3Tm6SYn69AlmtYWMxDUQhortVqmJ+fx7Vr1+Dz+eDxeKAoCtLpNNxuN+FWShKR7CmXUSgUkM1kwQu8ufFTTd46ieJomk48eTz1xFE6RuPYtxJwGstqU4+w+akD59FtbRT4N9NVKKiiG2GepxXCgFg8hoGBIygVS9AdbWCw/qLWVZw5ewZf+tKX0N3VDb/fj0AwwFQJaEUw0sd45rUXxVbKN7YrbhuS336b08/tZCpic7BuEF1Twz5PUw8sTdYFdF3D4uIi5mbnUCqXoGnEaUE3D/bk4VQqxeQA3W636aH2MjAfiURZ9MPlcjGPtNfrRSwWYyoO9g2HpqmMDkKB5MrKClZXV9ncTTessiwzJ0c4HMb4+DGEQiF4vV5Eo1H09PSgt7cXgUCAbTgEQbD97uw/9mdE28ftduPcuXOIRqMsQmSn07lcLkxMTDwUGrrtrJE6RCNgmqax6oFer5d4wAWir6/rGnSdyO9R+cpHdv/tcABd1lf2EpRR0fG93bFSORae59lEGQqFmC5jpVLB+vo61tfXsbq6ilKpBIB4wGKxGABgfn4eP/zhD7G4uIjl5RUoioqenm5Eo1G4XC7Ich0ulwSvxwevx4eOjg50d3djbm4OgUAAxWIRdaUOn8+LUDCI5WIRk5OTEAURsTiZwDVNg2DyvDTNQDPwdybCWK85EyN2qj17EE0URXR2dqKrq4tNToZhMJDXuJBvJwFttxsIyrWknlz6Y71HE7c0s+0tby99NiTyQKIO4XDYxkF0esHsx2zHJ7Y+T3SiNU1lnq5ikfDW33//fXz++SV4PB4TnGvIZXNQZBn5XA6ZTNoE2BoqlQqmp6fx2cXPYMCA2y2hVquiUCgg4A/A6/MysC9JbjaGLK+zyCq+US8nYNeobXxWu3oM980Mg1BmqtUaVlaWmVSWpmlYWFhgiaz28tU0n4CCYPuzpJ7JQqGAp59+Gi+99CLi8Tg7X2P7tE5QNDYBtJbZ8x12es92aut26KwcRyquZXM5pNJpzM/PAQBqcg0LCwsIBkPEk8vyOMl4Xt9Yh2EQQOL1kjLhyWSSbc50Xcdbb72FJ598knHf7felaRpkWWZUDkr5UBQZtZqMVCqFyclJUghkeRm5XBa1msw2c5Rb7/P5EAqFEI/H0dPTA5/Pj2QyiSNH+jE4OIRAIACeJ8nSVh93lua1JyfSv+3Uj+Z2psoYgNfrxSuvvIKvfe1r7PN27y2l1jwCak7Hln0OXVpaIgmR5kb/t7/9LaanpwGAlZ+ntKRHdn/tEADd/efp7iSzeDfHNAwi+cTzRHx6aGgIw8PD0HUd1WoV+XyeeWXz+Tz8fj/C4QjK5QopNjEzg8XFRbbQ5/N5lojm9xGOpaZpSCQSeOGFFxCLxZBJZzC/ME+qA5nhYk0nAuk0kS4UCsHldiMcDsNj8gIJ4BXMxYdj/3KcAKtUq/0eDz/QBeiCb0BVLeUKwoMkrzd/vpk3aW2emq0xFN3O7Alo9sXG/l076KChNfsCRfl9TH2Ac3o+yfVY12wBZastqFfRfq3E0yPA45EQCATQ0dGBzs4k0ukUdF3DwMAgYrGoWTN+DR9++CEURUZPTy8AoFQilcCOHh3GiRMnGK99bm4eV69ehcslwuPxoFKpoFQi3vVCIY98Ps88YxzHMYqEx+OBwAsQRBe6u7owODTUskDGQVur7dNN47VxHNDf34cXX3wJ09NTUNW6uRkl3r6NjQ0HKNE01aRHEVBGjk8kGTVdB6CaXk+dyYy1Ozd5rTlrn/LKab/YTD1gt3PmdsCt3USRx7GJY/ha+WtYXV0BYJhtpCKbzaFWk6HpmqUiAFLmtbOzk9G8dF1HV1cXOjo6WOKWLCvI5/OYm5tDJpNBJpNBPp9n1IVCoYBcLod8Po9SqYR6vW5ej+jQFo/H4xgaGoLXexyhUAjJZBK9vb1IJjsQCARb6De33qA5uMEGYPpm2Hfs7b1dBRw6R2xWHvxBmdfv1lrN2S6XCy+//DIikQhkWUalUsHc3Dx+8IMfQJIkVCoVPPXUU3j77bcxNDQEQhlszTV/ZPfGDgHQvbdmBxV7Hda3e+fo8XmeRzweR2dnJwYGBhCPx/HUU09h+OgILl++jNXVNUiShFqthmKhAF7gkc1mUS5XmHeHUh1cLhcKhQJisRiODBxBoiPBOJnxeBypVArFQhGKrKBSrWBychLZTBaSR2IhboBjSXRkwQQLi5HkKDiun0oJWe334HCU6AJPPaxO8LnZ93YvzUN5g5YWrhPkUq+QBaytJDpqVoU/mH2EgyA4i4YAYKHq5msHeJ6sqBYgZp8wnznxJNO2IBn3FRSLIhRFwfo64fFWKhUWji3blkNIAAAgAElEQVQUClhbW2cbu1qtZn52HamUBeBUVQXHAaIoIBQKIRqNsvdouJgmNxGOoh/RaLTJe3KQ+YWGYYbdaQIkx5NKaRyhpTz//PM499w5VjmtWq3C6/0Rfvzj/8DU1JSZQV9ELpeDLMvo7u7GxMSEWbzFAMcDIi8ABoe6oRL5MX77Ja1b8YfvFsy2P9fuvtfVlcRrr73qeK2QL0DXDVy5cgUAWPvSfk/bTVXrKBYL+P3vfw+O49g8WSqVcPHiRZbM6/USvnIkEkEsFsPAwACeeOIJBINBBAJ+SJIHHo8Hfr+f8ZfdbrfZNy0g2dpTTu9/M2rI1p/Zrm33GAd1zNwPa9cWY2NjGB0dYYVJlpdJ9CUcDmN+fp4lRjIlFIHw1R/Z/bGHEuhaHrH963jbmSzs3hWaXW8YJINzbGwMtVoNIyMjOHbsGMLhEPL5PObn53Hh009xp3SHlTEtl8ss4ejf//3fEYvF0N3djZ6eHsb57e7uRn9/PzRNw/o6yVYWBAHVahXZbBarK6uo1qqo1Woo5Avo7OpER0cHXG4XS4pqdFbeTYj+oJjhyORvNgq4aClRwEpKbPFp3E2foiCaeltahSQpp5VyOa37MGwcS+rRBUTRqiIgCAQUU6CqqlYijp2/S4GypmmoVqsolUrI5/OmdyuHXC6PQqGAYrGIarWK+fk5LC8vw+PxgiZm0iQeWipT03Sz7Qi/rVgsIBgMIpFIwOPxQJI8iMdjiEQiZniX6Jxa/FHLs+0MJZIoBA0NH0Rwa+imTisH8Bxnlvq13td1HXJdhlwjWfWZbAYLCwtYmJ/H4uIiJqcmsbAwj9XVFRQKRaZwEAqFcOTIESSTSebhphtp0g4AVa7hOGPXgPKgtefm1rxxI+OKgNmVlVXIcs2s/OUCx/GsKh/HcYhGo3jrrbdw9uxZBloJcHWbCW4ii4DYqQP0HI15H1vPj4epbR+Z3UjUy6IR0YgZ2Yh7UKvVkM8XIJgJxlTN55Hde3vogO5BnbQbeXVU9ZECH1JVLYFgMIB6XYHX60NfXx8KxSKymQzS6TRSacKFTG2ksLy8jE8++QSyLBPJHVlBJBpBKBSCKAjo7+vHqVOncOTIEUxOTWJubg6zs7PI5XKYnZvF4tIiIpEI/H4/BEEgIBwUWGxdsepBMMPQsbi4hP/4jx8zCS7DMJDNZiGKAgsr7ocX2+7NtQM8+w/9HAWqNGGpVqshm83i8uXL8Hg8qNWqKJXKrLwqFeKnyWdUc9Mu7k8yjnmHB5Vm5btMiSi/34+Ojg54vV7oOtGQJqBVQr1eR7VaRXc3kTRyudyo1apIpVIYHz+Gp59+Bmqd8Hanp6dx6fIl+Hw+xGIxch+aBnAWeLcvJNQzbU/e4jkevEjC6nob+sh+Gb0W8jvtD+Q9XTdQr6uoVgiALZVKUOsqiqUi43Gur69jbnYO8wvzKBQKTDYqEokgHosj2ZnEF7/4JaRSKWSzWXR0EFlCIsdlqSxQeofltTXYYkw3NId9Y7oT4zkeAk+SSXXwmJg4jqGho1BVolhAyr+HmEwfLT3c39+Po0ePNiUj7cYOynqzF8/9oNzLQTKOIxFQn8+HyclJUsUvk8HS0hJUVYXfH4CuG3jjjTdw5syphzq5737aQwd0rQFPF6eDMXjtniiSdNDomeKYF84wDAgiD3/Ah0DQj97ebmSzOayuruHkyZPgOR4ZU+bszswdLCwu4PqN64yCQOXOAsEAgqEghoeHcezYMdy4cQO///3voakaC4uurKwwCal8LoeBgQH09vWZ1XjsnkfanodvIXVyEK02j0Zj4HkBGxsbiMVieP311xGLxfCb3/wGn376qeMY1tda8XC3r/BRr9dRKBSYFmYjQFHVOiqVKjKZDFZWVpi+pj15rV6vQ5IknD9/nmXVU6Du8ZBQq8/nQzgSRldXF7xeL5MRo9njNMOYhmOp3BgrPW27v1qthpWVFaTTaeZ5XVpaxG9+81sUCgWzch/x5lL1hmq16shCp0BW13TomlncwDCgaQYMw6rC5vCesfHbPlmQQ7OHl+M4xls3dGehie2YtdmgSg8cVFVDuVxGJpPB4uIiNjY2UClXkMvnkMvlUCwWkc/nzaIzaVTKZZQrZPNBkiFJmfGnnnwKRwaO4MiRIxgaGkJXVxcikQhEUcRPfvITvPvuO1AUxayOaFFrrEQlZ5IhbV/aRx4GUxQFxUIRVD3AVM+FoesmHUEEz3HQdA3FItn48TyHarXGaCJ0o7cXtnm7HxZFkEdmNzuNR5I8+Na3voWXX34ZHMfh6tWr+NWvfoWAPwCP14dr165hcnISExPjj4DufbKHDujul1mLKQdA35sddMPx7YkJmqYxji5AuJherwe9vT1IJpNQVY2UDf7sc/gDfsTjcWSzWebJW11dxXvvvYfLly+zqm2KogAGMDQ0BMnjQa1KpMumpqZIdv0HH+CDDz8kWcqSB+VyGbFo1FE2knI4H4RFlcr7CAKPoaEhnD59GqFQCLOzs7hw4UJLDu12AW0rozq2xLNaM4GKsx3JxOo25W0EBAJxJgVF1Qny+TxGRkbwR3/0R4jH40So3+QNWjq5Hoiia5deGufzDQT8GB0dwejoKGuTyckYrl+/gXw+zyo52QsgEFCrkfbibJnNLJZh0Urs925tRuwV3Dhbxj75nR3DvFaaiMXxHEvssb9P9FedIJmOMcuTrEOWFaRSKczNzWFlZQWpdArpdAalYgmlUplFUOimUtM0lEpEX5vK1Xk8EhIJkqw0MTGB/v5+dHV1IRaLmaVZfRZAM6ziD+FwGJIkYW1trWXiUatnSV8LBoMMMD/QxnGsSEU2kwVRF2vXxw2T2mFtDAYGBhC1zWl7c0n3H8kehGt4UE0URQwNDWFwcIBVoLt69SrGxscQiUSRy+Xg8XigaWTjzgFER/zRI7ln9kDOevuhorD9c959xqq16FsZ1M1Z903fgmF6bwhXEZDcbnh9Xsbl6+/vh67ryGVzmJ2dRTgSht8fwNrqKm7evIlMJgNZljG/MI9IJIKurm54fV4MDA5gcHAQnZ2dmJmZwfz8PG7cvIFioYjFpQX09vagv78fsVgMkuSGHQg9GBOss1yzXQ3BArd3n6gjSRImJiYwOjq66UaBUgood5WCHlrGdGlpCZ2dnTh58iTicSJZR73WNAHSXiFv55uSVn2w2TPqTMprlivSDQMcTAk1rXlzSLmQ9PfGpDhSbc2+wWw2O4CGAfA6T6gNHOASyeaA53lTLqrKEuTK5TI2NtaxvLyCpaUlLC0tIpfLsz5APX5+vx+dnZ0YHByCoiiMz0ySUzImxcOH06dPY3RkFMMjw+ju7mbe81AoCElywzDQdoPI8yQE//y553HixAkoSq3tk2lnoigiGo3A729WpXiQLBgM4I03XscXvvAFxmW3c7qb51EnNYjom4fv4x3sjz2iLuyfcZxTSUUURZRKJaysrKBarSGfzyObzZIoT6ViRs8CEMVHnN17ZQ8k0L2/A5Ke+z54NDkrq1rXDWi6xjxRhmFAFETwbh5eHxEef+LJJ3DixAmUSiXkcjlcuXwFFy9ehKzIWFlZwfz8PKFJCAKRKeM4DA8Taai52Tl89LuPUCoVMTs7h6mpKYTDYfT29qC3tw/hcMhMhLK0Pe+/badf2J+fc4Fsx5Gl37GqJLW73837Bk0kI5qx7SZBzpxYm49BvFJOTz8FpZtJD+12vDTKIzUexmojJ8AlHlUn4OB4WvKVh8HZOLacpQTRUtaKndf2rKyvks2AQPjUqqpCURWWZJfJZnD58mVW8Wp5eZGpQdBCAbSwS09PL06dIh59Gn4sFou4c+cOJienkM1+ZnprvYjH43j22WcxNjqGkZERdCQ7zFKshO8s8MSLbW8vjgMEwUnDMAynN9Ln98Ln350uJ0lSOwhjcH+N4wjYDQabAX2rIdm+z97dGmJPIH1kD4eRinxAV1cXhoaOYn5+AbN35jAzPY2bN27inXfegabpeOmlF/HHf/zHSCY7Hnl175HdU6Db6JVp553ci0mm9fnvVa/au/PYQYB1W86M39ZmsIxQ6r3TdA28WTWHF6wyoz4fqfpTKpWQyWSQ6EjAMEjd9lQqhenpaayurjJOKJVy0nUdg4ODCAT8rBDG7duTuHXrNoLBIDo7O9HT04NIJMJ4mvfPNvf8ATBxAMfCmXaze3Q1TUMul2MeVcMg5YJpqBqgfY16eu0/7bnM1FNMztcOlLQHK7QrNMqbUaqL3RO930b7TzabNa+NY0L7BIxaSgCWZ9wJ8qgX1n5Mu3EcBwM6aFUA3aAFNVQoSt0U9K8yUX9a9a1arRKOsKqhp6cH2WwWPT3dOHp0GM8++yySySQ6Ozvh95N+nclksLa2hrm5OXz00UdYXV2FpmkIBALo6enByZMnMTg4hPHxcfT397NqSYLAOzYY9uTF7Vjrz+1u02j34D+sttWtU/rCbrm5B2Mz/8juj1kb/aGhIfzN3/wNqpUqDAD/9E//hN/85jfw+XxMvaZarT7aDN1Du6dA1x4+5TiOhV/toUDrs7sHq9vrPPudiLbVsZvBCP3RdZ1IeZlhZpoUVK1WTa7j9mSUGgEPBw66ZskPAVZpUU3TINdkGCAJHJJbQigUQsAfgNvlxtDRoxgZGcbGxgaWlpYwNTWFxcVFpNMpuFwiJEkyy9L2s+S1+fk5zMzMwOPxoKurC729vUgkSJa+nf/IcWZaEeVcYr8WjS3aC0RpgVyL7Vs2ICYIAo4eHca5c8+bCWMGA76yLLegMdANih1oWyF3x33bvJGbX+vmINjeN+i/94qbSc+XTCbxzDPPsDLGhkFUGewqEuxa4eQ6k0XDAAcb4KAgXjegmjrD9Xod5XKJlTG2l8ym0nuCIMLlcsPjIVUCY319CAQC8Hq9UFUVzz33HF77+msQRRHLK8u4c+cOrl69hp/97D+xsrKCfD4PnufR2ZnE0aNH8fzzL6Cnpwd9fb3o7u5BOBwCzwmOayT31apt6By4fbD7yO6t7SU390GyR4Bsc2tsHp7n4PX5oGs6KyEdj8eh6zrTWNZ1s9y5jX72qJn3x+6DR5f8XiqVMD8/j2KxyEqarqysQNPUezCo9hvkbmVb83g5nni0UqkUPvroI4RCIQAk635paQkAmZSdYeqGY9iSpezgx5Ix4x2faSXLRL2/Ho+EeDyOcDiMsbExkrAmSfB6PdA0DZlMmvGQaJ12UuYyAkVWMDU5jZs3byMSCWNgYIB4esMRCKKp2tAmNM1azA7Y961/NCpyOI0kgkl4+qmncfr0aeYlBYDJydv4+c9/boI6HTwvOJNgzDC0blieYeLx4xkPm4TutwL57T3Clsdwc3H/e9GWgYAfL730Er7yla+wc6yuruLHP/4x8vm8jdtsSxwzrEQ01v6N3FzeQGZjA1evXsPq6irqdQWapiJgJlxGImH4/X74/SR87fMFILklknjH86grdVSqFaZJPTs7i3fffZdVvpIkCUePDuGxE4/hS1/8Eo4MDKCrqwvRaASSJBEahoM+YrbzNp2Ae9Hcj0DH/tjdtutBfi4H+doeZKPJrkRtJYVcLgdVVfHBBx8gGo1CkiSMj40j2dlh6tVb3330yPbO7jFHl2jOdXV14otf/CLOnz/PFmVVpVw+C3xRkfn9sf0KM23tyd3OuTmOQ1dXJ77whRewvLQM2dQ2JTtAgXlht3s9jZnHjd7era6FgWGbIL3L5UJnZydCoSD7rKqqyOdzWFwkGqGp1AZUlVTncrvdKJcruHDhIj755FMkk0kMDg6ip6cHoVDIKgwAiypw721zsE2knHh4JC/7vG4Q2SKep1JrTj6q0UBDYMUPdBJuJ8YRjjWccPuwhUOtaI1VaISa3+9nFBaqoNB8APoLZ/vbuWEwdJJI1tPTDZfLhUqljJ6eHjz22AkzWkCoC7JsFmDIZJBKEfoBKZ9dI2VzeQHDI8M4Nn4MTz75JM6ePYuenh643C5Tv5p45+nzszYPAM3mf7QYPbJH9sgajUZtXC4Bjz9+klEWZmdncfv2bWQyaUiShGw2iz//8z/Ha6+9jnAovO0N8yPbmd2HZDQOwWAIr7zyNXzta19jtIVqtYoPP/wQ3/ve96BpWlOodW93pPsNHu7+WnmeQ19fH/7yL/+CHM8MeZZKRfz85z/HP//LP6OdZ89pFg/I2MZ926WXGo0mC/G20UjL1QKAIPBmYYsOdHQkcerUKShK3cw6zSGTySCbzZqAt4ylpSUszC/A4/UgmUyiu7ub6YYS79lBQxFc04aBvm7nTzNAxFuJVhYv1fKq002DYOoRa7oGWSHFAlrp1Vq2RTTgPjebk4Lg5OQ7zcbNNQgtQdd16Ibu0L+10x10Q4emaxBEAW6ByKTpOtF9npycYnSGXC6PfD6HWk0GzwsIBIIIBAI40n8EsXiMRUiee+45fOMb/w0dHR3much10LFCqNZcU5Pf7zZ+ZI/skR1cs88PJ0+exKlTp6BpOs5/fB7v/uxdjI2NIhqN4ne/+x0AbNNp9ch2a/dNdYHnLW8P9eTZ+aJ2oGsPER98awi97tpsnE7DIGBJN6CqGup1lW0QREEgwWyO3x2/bAvKAGCB31ZeYU2jovlGCy8sB1EQEI3GEIlEMTg4SLjAskxKxJbKSGfS2NjYQDqdxtLSEtxuN+LxODo7O/9/9t4zOI4rvff+dU+OGAwGOWMQCDAHkEqWRElUXK60lHdXe9d22d7d8rX96fqDP772t/tW3apbrrJdLvu91gattHtXKytTK4mkKJISkwBmgETOwAAzwMwAk6e73w/dMxiAEVQipf5VqURM6Dl9+vTp/3nOE6itrc2XiFX9lpX8VtDXhkC+2IDad+piQw30MuSzJuSstiaTacXXc5kZREHIZ1ZYWooxPT3F5OQUyWScpqYmGhoaVhQAWMv4v5ONwIIg5DMaJBJqXlmzyYQgCmSyGbJS9poBc4U+7LnS1YGZGRRFRpLVghNGowmj0YjNZsPj8dDc3ILHU4zHU4zD4cgXS1EUhWQyRTQa0QS1IW+BEQQQDKsF+lfdSzo6OnczhX74giAiSTIGg4jZYiabzZLJZMhmVQNRzkdXVmSQ0HaSdF/+L5KvRegW+g+u9hc0Gg1530U1mMSwYrvzm8i1LHfXEyuCmKvqpAorSVYQtYCenIXwi6Rw6z1nnVwddLNseVstmnM+jMvXW02dZcyXj62rr0OSJJLJJEuLS4TmQ2pJ1NFRhgaHsNls+Ep9VFdXU1pams97+nWMhcJzXfE6apBaOBym51IP586dy1coCwVDGDRBaxBVESzLEomEmqViYmKCmZkZAGpqaujoWPeFJqy/kyJ7RVEkm83S1dVFX19f/h5fmA+TTmeoqanBaDDedCFjMpkoKioik8kgyxJmswmvt5jy8gpcLhdms1ktuKAFBopCzlVEISOrDxdF85VW/dLlVcGHX14f6OjofPNZPZ/k/pZlWXu+jWAwiMxMzzA8NMylSz1YLBaqKqt48sknqaqu/MIq8+ncYXl0FUW1WCYSSXLiKJ1Ok8lkbrCN+81G3dVdFoqCAFI2SzqtllIVtcpSqXTqmkJ3hWXqulvvN0a+hvDI5UK9neMVkkuGbzFbKHIXUVNTQzabJZFM5FM7zc7OMjg4iCzJNDQ2rDjPO2JMCFBfX8+f/dmfMT4+nm9fKpWiq6uLCxcugACxeIzZ2QBjY2Oa73KW4uJiNm7cSFVVFQ6HY9l/V1F9uW+UQ/ZarMX3+qumuLiYp556inXr1uUts9lslitX+rlw4QIms2qRzWazK75XGKQmCAIej4etW7ciCmp+4Fy2CvXfy32V60NZka/h7ZHL9nEHjB8dHZ1vLIJAflHf0dHB3/zN37CwEEKSJE6f/oyjR48Ri8dAgW6hm+aWZkrLfHq54C+QO0boiqKIzWbDZDLlswoAZDKZfO7NbxeFLhCqZVQQ1G0Nh9OOwSAwPj6ufkIQSCQSGI3XWgEW+Ocq1xeGOf/bNSEI+dXq57k8K9wRFNVqrVaPcVFRUcG6detIpVJ5v9bC4LgvF7Wvrmspzxm3FQGrxUpTUxNNjU2q4EIhHk+wtBTj008/5eTJE8zOBlhcXMRms1FVVUVjYyPl5eVYLBatPK6klcu9noX8Jq3NX9qV37lTrLpGo5HmZj9NTU0FOYllnA43I8MjLMWWtCInufZe2wc9dy6yoiBlc3mLxQLRutLdY3URgNV9Wpjy6w7oJh0dnW8YuWe302ln69Yt+XLoS0txxsYmcLtdKIpMIDCrPuekb5ve+XK5Y4Su2Wxm69Yt/P3f/70mbNWtxUgkyoEDB1bk3/02iN5CcVIoUux2O/fddx8VFZWk05n89sbExARdXZ9p5YJznxZQrpEy7LbaQ0H6MS1xxK2Lp2un67rhNxRlhWXPaDQu90deYX4ZrBRXheNutd9mLruUwHKxgnQ6zdzcHD09PZzpPsPhjw9z9uxZRFGgrKyM9vZ2ysvLcbmcmExmzdda0iY+9Xcl6Wphei2xei1XirUJ48+fTmmt92JOvKs+zaorg6wFl63O0nC938yNeUVeHpOFwWusSFN29XmKWnYXRVHUTBeiqAtcHR2drwS1eqlBM+IliEbDiKKixa+oLnyRaIR0OoXZYsZqtehuDJ+Tr13o5h5CBi1oqbjYm39PkiQmJia4cOE8sVhsTcf9+sTwzVIOXb+i2VUFHq7xGYPBQFlZmRYlvmxxvHKlj6GhIRQtA0BOkxZW2CqMZr+eK4ggXC0iC629AkLeTzi3ZXxjwXP9vK8346sUHwKQy+uqVkZbFmOF/1cFrgJKLt2aQiqdYn5+nt7eXk6ePEl3dzd9fX1EI1EURaG2tpaOjg7Nx9ikWaWXXRNyLVgOXrh2hoIc17P0Kop6vfPGceXaY+2LtO6u9ViFQlVFRGE5SM9oMCKhWmkL8wKrGxJKPjuD+n7BgmRVkOIK4VtATtwKCFoKMUP+c7rY1dHR+SoQBNV4U1FRgcNhZ2ZmBlEUmZkJ8OuXf82BgweQslmamhr5kz/9E8rKyu6IXbm7la9d6N4KuQf4Wvj6fHrVLddbymRwg79v+iur0jYVVuRazhD2JfRBXoytxX3gi1h0fNnXsmCrvMAAXbj4WB5TCslkgrm5IAMDAxw9eoxPPvmE3t5e4vE4Xq+XzZs38+gjj5JOpzly9ChWq5V0KkUykQDh5q4Et2OpVV0B1MC+ZXeLLyoLyBePopCvqidJWZaWFrFYzJpYXxaz1/M7vlHqslwmkOuRTqeJx+Ok0ylkWU/to6Oj89ViMhm577772LZtqxqMvRTj179+GVmWaWhoIDAzw/T0DPF4Il9BbWWQ2503p9+p3NFCNycsRFHEbrdjtVqBGz/0v4zMA2tjOcvAtduZG6wrLbdqipGbl0C+5i8Kyw7vZrMZs9l0XSEtcBu+uNdpSy5Q6puOIKhZFdLpNCMjIwwMDHDy5EmOHDlCb+9lFhcXsVis1NXVcc899/Dkk0/S2dmJ1+vl9OnT9A/0EwqFiMdiCKKgbV19eZOU2+2muro6n77szkUVsE6nmoFjfj5EKBRiLaJ8tf/trfaroiiUlHiprq7Wgz50dHS+Fmw2K1arRSsNHMHlciEgUFpaSjqdJroYBW2XVtYyLAF6YYk1clcI3VQqxaVLlxAEgXQ6fV0ReOPk9F8VqtAVrjsSFUBeYbECVaQuLS2xsLBwW78qiiKx2BIzM9OUlpbmA7eCwSBpraqaIAjXLRpxQ2H9LVg5KlpFjmuNm3Q6zfnz5wkEZhgaGmZwcJBwOEwymcDtLqKzcze7dz/CPffcQ1tbK06nK5/7eNeunWzbto1EIoGUzWIwGrQFzZe3QjAajfk0bHc6oijQ0dFOc7OfdDqNKIgYDMvTUs495vO6Ii37d6MV8sj5CosYDUY9aaWOjs7XRi5nejweZ2ZmhqXYEtFolNnZWe3ZE0CWZOrq6ygrK8Mk3ulGjDuLO1zoQlGRm+3bt5FOp4jHYzcQkFwVeLVWd4cvhmWL7vXRorlY+QA3m810dnbS1ta2pjyquZRLHR0d9Pb2kk6nEQSBTCaDopWsXdsZfLtSueWvgSBgMKgW93g8xtTUNGNjY0xNTSHLMuXl5SiKTDQaobTUxz337GLPnj1s2bKNioqKgoC5ZdEkCGA2GzGbXddvwJdwPnfD9Su0wlqt1rxl9Yv0r1+ri4iOjo7OV0luDrJYLGzfvp1zZ8+RTqfJZrP09/fzz//8z9hsNsLhMN/73vf48Y9/TEmJV3tW6fPXrXBHC120csGPP/4EDz740Ir0UtdjRYDK1xiQdv2/l0Xuik9o7gtGo/G2yt+Wlpawb98+0ul0/rVYbInDhw/zzjvvLgegra5udlVb7uQbpzCw7fO3s3DbW62WlWR2NsDo6CiBwAyJRAKTyZSv0heJRKioqODZZ5/lmWeeobnZj9Pp1CyQd87i4E5px+1wN7ddR0dH53ZxOOw8/vjj3H///YiiSGBmhlhsCYvFitfr5fLly1pFtey3IvPUF8kdLnSX/SMdDgdwc2vVnTcArtXWm7dxrVY5QRCwWEyYTSYtGE1GkrJaCVpleVf2BgbnQtGbi3C/c7id7A03DsSSZZlEPEEwFCQYDBIKhYhGoxgMouY7ZSUej5NMJmlra+OHP/whe/bsoaqqCovFnC/VeGtWfJ3Pgy6AdXR0vukYDCJOhwMFBaPJiCCALEtktSJRsixpO9d31MP5jueOF7qr+WZsRd4oWO3zH1qNdRO0wgNXW5ALE+evtoDn8hfndKVaVer6PtECubdvpd8/7/mq35e19F5aK5bbUpAFQk3ftVxhLPdvWZZJJBKEQkFmZgLMzc2R1Cy3Nrsdj6eIeDzG4uISFouF2tpaioqK6Ozs5JlnnqGmpuYaPrZ3w5i7e7k77mkdHR2dz4cgCFrJeAWTyUgymWRubgKHY5bZ2YCWlsywIlNA+xUAACAASURBVC2izs2564Tu3cKtpoO6Xtqk2xfBahBUrqCD0WjEaDQuWx8LCjHksi9cMyfrmiy6typyby+f7s2Op+b5zVmklXwGipxvcjqdZmlpiWBQFbfzoRCpdBqLxYLDYaOoyEUyqfqAK4qCy+WiubmZyspK3G438Xg8739bOLncLb6wdwtrzZygo6Oj801ieeoTKC8v5yc/+QmRSCT/fnt7O8XFHn2OXCO60P2SuNWBeKOSvJ/nd3M+vwaDgYWFBWZnZ/OvZzJZREFckWR/Rb7SNf30V3vD5URs7reXLblyPmuCIEA2myEWixMMBgkEAszPz5NKpRAEtbxwia8EQRCIxWLMz88jSRIlJSXU1tZSXl6O3W7HYBDzpRqvTlt35/jk6ujo6Oh8szAajTz00EMrXlMU+YYB+TrXRhe632CsViv33HMPJSUlxONxMpkMFouFqakpTpw4iSRpJXZXGVmvV1FrNcqqUqs3+OSq/98eKyuGLVcrk2WZbFb1Y4rH43lhPzc3RyqVwmg0Yrfb8Xq9mM1mUqkUkUgkH2xWU1NDbW0tXq83HwhY6MZx5/l96+jo6Oh829BF7u2hC91vMAaDAZ/Ph8/n00SbKk4HBgaYmJgkm81VhFoWtqu35lWn3xsH/33Z1dEKBW7up3KuGOl0mlgsRji8kPe5jcWWMJnMeDweamtrMZlMavLtaIRgMIgkSbjdbvx+P1VVVbhcTgRBzPvzFlpvC4t56BZcHR0dHR2duwtd6H6DkWUZSVLFbD69WF64Cfn/ZMQV/rx3Csvie6XQzGYzLCzMMzs7RygU0oo3JBEEAbfbTUNDA1arlVQqRTQaJRAIEIvFMJlM+Hw+6uvrKSkp0TJSoAl+6SorthrMJ6zoO13s6ujo6Oh82ejPmi+OO0fV6HzhrC4rDOTzEIuiiNVqxGQyIUnqFr0kSUjS111CeSU58akoCuFwmOnpaebm5lhaWiKTyWAwGDCZTFRWVlJZWYkgCCwsLDAyMkIspgaX2e122traqKqqwuPxqOJeVq6yRt8ZlfV0dHR0dHR0vih0ofstIifqDAYDqVSK8EIEr9eHoiikUikS8cTX3EKVnKuCokA8nmB2dpZgMEgkEiGVSiGKIg6HA7fbjcPhwGKxkEgkGB8fZ3FxkWw2i8FgwOv1UlNTQ1VVFVarFSgsuQw5D4Vl14jl0rA5Nw9ZlnUfXR0dHR0dnbsUXeh+y1AUcDqd1Nc3MD9/lvPnzwOQyWQIBALE47H8Z1Wj5rUruX2ZZLMSoVCIoaEh5ufnEQQBs9mMyWTC7XbnBa4sy4TDYaampvIV4ex2O263m7KyMnw+HxaLBaUgpVqOZcGrukastOZeXWFPF7s6Ojo6Ojp3H7rQ/RahuiwIlJT4eP75P2bv3u/mBV48FueTTz7h9TdeJ5vNYDIZEEWjVoVFzVH7VW3nZ7NZQqEQk5OTKIqC2WymqKgIv98PwPz8PJOTkySTybyFt6ioiLKyMrxeLw6HA5PJlA8uWy1SrxatupDV0dHR0dH5JqIL3W8ZuW16q9WM1WrOvy6KYLGaMZnU4hIGgwGj0fC1pTMxGERKSkpwuVxEImHi8RjDw8P5jAiZTCaf+7ayshKv14vVasmL8ZwvspqGbDlbw2o9m3NRyKEGoC2jB6Dp6Ojo6OjcvehCV2cV6jZ/bqtfra391Vs7s1mJWCxGKpViaWlJLdFrs6MoCkajkbKyMiorK/F4PBgMhrwvrRq8lnM/0IPKdHR0dHR0vs3oQlcnjyCgCUYZk8mE2WwmmUx95QFZOZ/aaDQKqNkjLBYLZrOZ0tJSysvLcTgcmluFkE+hpqOjo6Ojo6NTiC50dQDV8mkwiKRSKWZmZhDFcUwmE0ajiVQq+ZWKSZPJRHV1NVarlWw2i9FoxOVy4fP5sNlsKIqspQeD1YFyuYwJorgyqGy1i8K1yBl/b+WzOjo6Ojo6Onc+utD9lpMTi3a7nXvvvQ+vt4RQKJR/f2YmQNdnXRgMhrxLwJeNwWCgpKSEkpKSq95bnT2hkGuL01yDb124quco6GJXR0dHR0fnLkcXut9ycqIOwO1209nZuULgjY6OEgoFWVpa4utINfaFoBSq88ICEcv5em8kavWANB0dHR0dnbsTXejqXMW1KoStrCAGsNYKal+xUFSEFb8paMUgrmqHsvrfgirnFeXqz+ro6Ojo6OjcVehCV+eGqL67RsxmMw6Hg3Q6RTKZ0t7LpePKqcXrCcOvRjBebXVd/lsVr1e/e6PvLCNe53UdHR0dHR2dOxld6OrcEFlWCIcX6O7uZmJiIp+fNhqNsrgYpaysFFVG3llCcNkqe+ufyce2XeNUVIvw15NTWEdHR0dHR+f20IWuzg0pLS3l6aefob6+HkmSkGUZSZKYnJwkFovlCzh8U1BQruOGfGcJeR0dHR0dHZ2bowtdnRtit9vYtm0rmzZt1AK3FDKZDF1dXczOzn7jhK6Ojo6Ojo7ONwdd6OrcENVH14AoCnkfV1EUMRqNX2k2AtV1QAuMQ/lKUn8JhVZc4WofXx0dHR0dHZ07G13o6twUVdAaANWntdCFwWAQ1YC0fJaDq4XvzYRpoYi9pfas8fO3dMzrHE9W1PPMZrO60tXR0dHR0bnL0IWuzi2TE6uCICCKItlslmwW0umM+t6qlF4IVwvI1X+vEMBfV0Wya7RTddXNVVVTEHOl1nR0dHR0dHTuGnSh+y1EUW5Ps6k+ujKKolZS83q9DA8PE41GNWPn3SsEC/MF5/4ty8vn6vF4sFjMX2cTdXTWxFXp9L6U2/NmqQV1dHTgaiOOXoToq0NQ9DqndwW3K06/uN9fWVkhm5UIhUIEg0FEUdRSb127gWsZYnfCzZ8Tu4IgYDIZsVgsOBwOios9X9Hv5/8F3Bl9ciMKFwc6N+er7C9FLpg7CjdbhFxbVv69xqOv+vvqxaLOF4ckSYCCKBryi3C1NPvX19e58aNoRTNlzRACuZ0/Qcu1/uX8rvo7X/jhv3AURUFRlgO3C1NVXsvIUtiHq1/X7621oSiKLnRvB0VRVJ9NIJVKMTg4yIkTJzAYDGzbto0NGzZgNJryA1K4QSDT6gfO6vcURc1lC2AwCPnPBoNBDhw4SDKZZN++fTgcdoxGw/KxFAUEWFyMEY1GKS0tRRAELl68yPvvv89zzz1Ha0ur2kYhVw531XnKue179SYVBPEGN9m1X4/F4vT29hIOL7Bj+w5cbhegMDIyRm9vLw319axrb9fOV8jf2CuPvNIn9+Y+v9cWh4V5c6/3/aGhIc50n6G5pRmLxUJX12ds27qV9RvWaw8WkS8jn65ahlhmYmKK06dPMzsboL6+ni1btlBa6sNoXN58WdEXBaI4lwFDFK89iV6L3PtnzpzlxIkTbN68mc7OzoKHlJj/fjabJRgMIssyZWVlxGJxDh06RDab4ZlnnsFmsxWM+asn6Gu1/9b6Rv1uIpHg0qVLLCws0NHRQUVFBaIo0tfXT39/H35/M21trYiieNXv3epv3up0uPqBk/NdFwQwGAzIsjqWPv30U1pbWzCZTBw/fpzNm7dwzz33YDabtIdf4WKmoK8Urd1rGGqFTZdlhampSU6cOMHs7Cz+Jj9btm6h1Fd6w/F7LUF8fcuwOi/IsoysgKiV07548SLHjh1l586ddHbuXLFwzM1nkiQxOzuL0WikpMRLNpvl9dffQJEVdu/eTXlF2QqBlBtP6rFALeJyY252ycfHxzlz5gw1NTW0t7djtVoJh8N0dXVhNlvYuHEjHo8HSZIRRSEfnJpLtV3YjddbMNzKQuJa/avOB8vfi8ViHD58mEwmw6ZNmzh27BiKovD443uoqKhYcd+px7y+ILrZXLAWFheXOPzRx0xNT5HJZLBYLGzZsoXLly9TWVHJzl07cLvdq85Tbdvs7CzZbJaSkhLMZjPz8wtkMmmKioqwWCwoilqQaOUccnUb7wbdNzw8zKlTp5ibCwLgdDrYvXs3NTU1GAyGgueSDAh8+OEB+vv7ePbZZzl16jSyLPHoo4/i8ajGltx8IUlqDInJZPxSFhTfBBRF0V0XPg+BQIDf/OY3HDx4kMrKSsxmM+fPn2fv3r08+uij2qcETTCqt6iiKCCsfLhdc95RQJIUFG1SyGazJJNZLBYLBlEkncowOTlFOLxANptGli2AQTsuKKjf6e3t5dChQ3x373dpbmnG4/HQ3t6Oy+VWJxFtsl49sSqKkg/EUhQFo9FYIHbFVZPl9W+w2dkAv/nNK3R3d/M3f/PXPPfcc8zNzfF//+9vOHToI3784x/T3tGe/01FURAFEUEU8m3JtylnnbpGBoYV7cmLLEWzNi8vEGR5+SFwrQk/Eo5w8eJFLFZ1wq6ursFqs5NOZ7TAO/GWJta1WuDT6RRHj37CK6+8wtJSjKIiN5988ilnz57jRz96gcbGBjKZLLIsX+VCIcuSZu1Zdi9RBapQ8BlVBOcm1dzfgqA+wMPhMENDw9TW1pLNZjGZTHlBpLqrQCQS4cCBA8iyzPe+tw+DwUipr5SslEUQRCRJQRTRMnSseigpy0IFQV0wrJXJyUleffVVenp6+NM//VP27t1LLBbjjTfe4IMPPuAv//IvaW1tyV9nVYyobZCkLCBgMIiaKFWQZSWfUURrpNYvSoFwEPPWqvypKLn7UtEexGLewlZ4P8djcSYnJvF4imltbaWmppaiIo8mhJW8G1BOBK6890AUAHl5IXorKIpCOp3m9OlT/O53vyMcjlBcXMzx48c5d+4s3//+D6irr89/XlAni/w8s1wqe/l+Q0ArFKN+Pt92cvcRKLIMBiOgEI/HGRoaxu9vzn++sH2CoBCNRnj99dex2+088cQTeDweqqqqkCQZi9WCKAr5uUddcC0Hw6oCSEFRBG1BwC15ThTe75Ik0d3dzb/927+xbt06/vZv/xa/309f3xX+9V//ldLSMv7H//gfuFwu7V5W+0WSZHUso14fQRDIZCQEQcAgiiuHvLLs/iQIAqIgrhDJuTk3N7ZWnIf2XVVgq5+bmpwincmwYcNG/P5mFEXBYrGhKJoEF64vYgvH2hfpZjI5OclLv36JTDpDXX0dHo+HhoZGpqamEEWRdDqT/6w6bpT8/PPhhweZm5tj797vUF9fzwcffMDo6Bj79u2jsbERo1HU5mt5uZMQMBhWLppUA8RXlwHoVim8FKdPd/HLX75EZUUFdocDj8fDvffeD+TuLSEf4A0wPT3N6MgY8XiScDhMOp0mlUqjXuTcsRVEdWVNNithMn291v07GV3o3iaxWIwTJ07Q09PDP/zD/8PGjZtQFIVYLEYkEmFqaorLly8zOTlFZWUlW7ZsxePxMDk5QU9PD0ajgZmZAFu3bqW+voGB/gHS6TQbN27EZrcxNTXFlStX2LZtGwAnT5xkfHwcv99P585OQNEsvDKRSITR0VGsVisdHR3Mzc1x8eJFnE4358+d5/BHh1lcXOSBBx7A7/fjcrkwGERi8TiTk5OcPXOWVCrF1m1bWbduHaFQiIsXLyBJWaLRKIIgsGvXLiorK/M32K2iKIpm6YPz58/z5JNPMjs7y9DQIFarhXQ6RSg0x/nzF+jvH6DE62P79u3U1NYwOjrK6Ogo69evx+12c+XKFZLJJDt2bMdqVVf8UlZidHSMwcFBBARm52apqKhg+/ZtuFwuwuEwPT299PX14XS62LFjBzU1NaRSKYaHh+np6UGWZTZv3kxLS4v6UDWo1kyDQcRht2M2mZicnGRiYjxfLKOqqoqdO3fidDpZWFjgzJmzTE5O4fV6sdlsNDY20tjYeE1L+VV9JENf3wAff/wx69ev5wc/+AHFxcUkk0lisRgWi4VLl3o5e/YsiqKwY8cOmpqaCIWCDA4OEostMT8/j9PpZPv27SSTSUZHR2hsbKS2to6FhQX6+wdwOBy0tDSrVuszZwDYsnkLzc0tZLOSdr1gfHyCcDiM3+/HZrNw6dIl0uk0giBw7NgxQqEQyWSKXTt3UVzsJStlEUUDkYi6SBgZGaa8vJwtW7ZSVFTE2OgYU9NTLC0uEY/HaVvXxvr1HZjNpjXfd0ajkVgsRk9PD1u3bmVuNsjw0DBmk4VsVmJuLkRv72WGBgdxupxs2bKZmpoaRkaGmJycoLW1lfLySnp6ekmlUrS3d+DxFOXF+fj4ODMzMywtLTE9PU15eQVbtmylxFtCLB6jt7eXgYEB3G43mzdvorq6imQyxvDwMOfPnwdg8+bNNDX586JCFEXsdjulpWV4PEWMjY0xMTFBIhFnbm6O0tJStm3bhs/nIxgMcubMGebmgpSXl2MymampqaGhof6WLDaKojA8PMwf/vAHWlqaee657+H1eonH46RSKWw2G5cv93L27DkkSWLTpk00NzeTSCQYGRkhHA4TDAZxuVxs2rQJURQZHh6msrKS+vpaUqk0Z8+ewe124ff76e/v5/z58xiNBrZt205jY1OB5VXg8uXLLC4u0dTUhMvp4tKli0iyRCKRpLuri0g0ysLCAo8++igulwuj0YDFYiYSiXL+/Hn6+/soKytjx44d+Hw+BgYGmJ2dZWkpxsJCmJaWFtZ3rMfhsK9Zv2UyGcxmM9PT04yNjeHxeDhz5izpdBqbzUo2m6Gvr59z584Ri8VYt66dDm1R3nOpB5fLRWNTI+FwmMHBQerr66mrq83vrGWzWc6dO0c8HmduLkg6ndbGRhNms5nx8Qm6u7uJxZZoa2ujtbUVp9NJeCFMV3cXV65cwe/3s2PHDqxWK9oSH1EUcTldZKUskiRx9OhRBEEhGAySSqXYsWMHDQ0NgEJfXx/nz1/Abrdjs9koLi6mpaWFoqKiL0wU1dXV8cADD/DAAw/gcDiIx+NcOH9eM9bIDA2NcPLkSWZnZ2lra2PHjh0kE0m6u8/Q13eFSCTC5s2bOX36M/r7+1laWmL37t3s3LmD+fl5Tpw4RTKZoL29nXXr1mE2WTh9+jSSJDEyMoLL7eK+++6jvLx0xW7WnYSiKDQ3N/PTn/5UE/FGkskkH310GL+/iaqqKmZnZxkeHqY9t8OZM9Io6mI6Glmkq6ubzs5OfCU+EokEx08cp6qqivr6ekwm29d8lncuhn/8x3/8x6+7EXcbiqIwMTHB/v37qaurY9++5zEajRiNRux2O5lMht///ve89dZbyLLCqVOnGRoaoq2tjY8+Osi//Mu/IAgiwWCQ9977A6WlpYyOjvLhgQ/p6GjHYBD5w3vvc/jwYWprannttdd4/4P3Aejq7iIQCNDU1Mjg4ACLi0s0N/s5efIkwWCQ9evXc/nyZd56621MRjPpTJpLFy9RVVlFXV0dkUiEV199lYqKCkKhEL/4xS8YHRslGAxy/PhxRFFEkiT+v//4D44dPYokq5aPkZER1q9fj8ViucZkcv0Jc2Fhgb6+PiQpi9VqxWKxMDU1xdCQKoZKS0spLS3lwoWLJJMp+q70cfbcWVpbW0kmk+zfv5/BwUGi0UXefvttPB4PHR0deYtgKpXm9OnT/PznP2dgYIDYUoxTp0+xuLhITU01H3zwAS+//DKyLHPl8mUu9fTQ0NDA4OAgL7/8MqOjYwQCs3R3d2Gz2RBFgcHBQWpqqkkkkrz19luYzCYCgRl+9atfMTQ0xOLiIqdPnyadTuPz+di/fz9vvvkmmUyaM2e6OXz4I3w+H+vXd6i9c5PnSTab5cSJk1y6dIknnniCjo52LBYzVqsVq9XK2bNn+fnPf874+DiBQIATJ45jt9uJxZb41a9+ycmTJ5Flme7ubqampnA6nbz33h+YnZ1lw4YN9PT08PbbbyNLMjOBAC+99GumpqYYHRulq6sbn6+UTCbD4OAg1dXVzM7O0vVZF3X1tZhMRvbvf4+enh6Ki4vp7+8nlUpRX1+Px1PMme4zDA6p33vrrbd4++23SCVTnNWEv6/Ux5EjR/jlL39JMBRkenqa48ePY7FY8fv9a3rYzs/Pc+XKFQRBoKioCJfLxdTUFMFQiBJfCWVlZXi9Xvr6+giHwwwMDDAw0E9JiRdZlnn7nXeYnJxibi7I/v3v4XS6aG9vx2Qyo1pzFU6dOsW///u/09fXTyad4dSpUyzFYvh8Pg4cOMBrr71GJBLh3LlzXL58mZqaGgYG+vnlL3/J6OgoU1NTnDt3DrvNhmgwMjA4QHl5OdFolHfeeQeLxcr09Awvvvgig4MDLC0tcfr0aVKpFF6vlzfeeIN3332XVCrFqVOnOHToI6qrq2ltbbmlvkqn05w6dYqpqWkefPAh1q/vwGAwYLVacTpdXLhwgV/96iWmpqaZnprm5KmTeL1eMpkM//7v/66O61SaEydOEIlEsNvtHDp0iHg8gd/vZ2Cgn9///veIokggMMtrr73G9PQMw8MjnDlzluLiYgQBenp6qaurY2Jigs8++4zy8nJsdhvvvfceU1OTOJ1O7Z5PUlNTQ0VFBR9+8AEjI8NUVFby4Ycf8t57+1lcXOSzzz5jZmaG8vJyjh49yiuvvEIgECAYnKO7uxuH00F1TfUK956b3XeKonDu3DkCgQBms5ni4mIMBgOXLl1ClmV8Ph9+v59gcI7x8XEWF5f49NNPkGWZmpoaTp46yUeHPwLgnXfeoa+vj46ODq0kusrS0hK/+MUvePutt0mmUvT29HLm7Bl1Hg5H+PmLL3Kl7wrBYJCPP/4Yo9FIUVERr7zyCkc+PkI2k+Xwx4eJRqNUVVUxNDyELMtUa/PayPAI1dXVvPr7V3n//Q9QFJlLly5x+fJlysvLmZkJ8J//+Z+MjY3l5/35+Xna29u167Syg25H+IZC8xw7doxMJkMymWQxuojVaqX3ci92h127PwaYmZkhk85w9NhRUqkUJb4Sent6CMzOUlVVRUVFBePj40QiEcrKyvD7mwkEZnn55ZcJBGYIh8N88skx3O4iFEXhf/2v/8X5C+exWCx8/PHHRCIRmpqacDodaz6Hr4JLl3ro6urC4XAQDodJJpOkUin+4z/+g4qKcqqrq+nt7eXdd9+lpaWV8fFx5maDbNu2jZHREWRZxt/s5+c//wWiKNDQWE9f3xX+8z9fZMOGDXn3D9194droFt3bJJvNkkqlcDqdwPIkkc1mGRsbY2xsjJ/85Cd0dnZy/PgJ3tv/HpcuXcJisbF+/QZ++tOfEo8neOmllxjoH2D7ju1cvHCR7u4zrFu3jtm5WXbs2EE6nebSpUu88MILPPjgg3z88cccPHiIxsYGslkJURQwm81IkrRKgCrYHTaqa6rZuWsnP/zBD9iwcT1Hj36CIAikUimGhoYQRYG//uu/xWq18tprr3H69GkeeOAB7A4HnTs7+elPf8LRo0d59913mZqaoqSkZM19JYoiDQ31VFZWceTIEYqKimhoaCCVSiEIAuXl5dTU1HD2zDkikQjRxSj9/f380QN/xEMPPcRLL73EiRMn2L17N3v2PIbBIJBKZQpWuwLV1dXs/c5eNmzcwAcffEBPTw8nT57k8uXL7NjRyc9+9jNOnjzF66+/zoEDB0ilUjgcTn72s5+RzWZ49dVXOXbsGPfdd5/mj6rmCLZaLRgMIpIEVVVVPP30M6xf386bb75FX18fLpeL3t5e9ux5lOeee47Dh4/w1ptvY9BcHPLbkwUUPk9Uq7RMJp3BbDZRVORWr6P2nWgkyoXz5yktLeWv//qvWVxc5JVXXuGzzz5j165dVFRUsHv3w+zZ8zjvvvsu586dw2g0smnTJvr7+5mYmGBqagqHw0FdfR1dXV2Ul5fzF3/xF0iSxH+99l+cPXuWem07W8ltL6IUbL2qrhD19fXs2LEDRVH4wQ9+iCTJ9PT0ADAyPMLQ0BC7dz/C97//fY4cOcJHH33E5cuqMG1ubuaFF15QH8yvvsroyKhmYbSuaSwJgkBdXR1ebzGXLl0kk5Fobm5eMZbKy8uZnZ0lEokwNjZKe3sbjz32GI/v2cMbb7zJRx8d5tFHH2P37t1YLJZ8kE/uelRUVPLII4/w8MMP8+abbzE4OMiZM2cYGRmhs7OTffv20dPTw5tvvMmpU6eJRsNUVlbyox/9iEwmw29+81vOX7jAxo0b8+4uq2loaODRRx+lo6OdV199lUAgoFnDR9i9ezfPP/88n356nP3731tT/2SzWRbmF5Cyqt9ebltUECCRSNHd3Y3PV8K+fc9jsVj41a9+RW9vLx0dHRQXF3Pvvffx5JNPcOjQIcbGxjCbzVRUVDA0NMjY2BgXL17C4XBQUVHJyZMnKCsr54UXXkCSZH7xi5/T3d2tWROXXYRyv5/7tyiq92tzczPe4mKef/55LFYrx44dw2A00t/fz+XLl3nssT08/vjjfPrpJ7z7zn76+wcQBJH29nb27duH1+vlV7/6Nf39/WzYsIGK8vI1WXVFUcTj8eDz+VhaWuLIkSMA+P1+JEnGYDBSU13L2NgEgcAs/X39uN1utm/fzhOPP8Hc3Bwvvvgibrebv/iLv6C1tTnv5pNzjbJardz/wAP88fN/TCqd4p/+6Z8YGhoiHo9js9v4/g++T1VlFT//xc/p6ekhk87Qd6WPvd/dy+7du3n33Xf58MMPaWxsRMrvuhT4dms7EQ88cD8/+MH36e/v59VXX2V4eJiJiQm8Xi8//OEPKS8vJ5vNYjAYtLPP+Ux8PmGkKAqhUIjh4RF6e3rx+/3s3bsXQHOzstDY2MjMzAyhUIjZwCynT59m+/btNPmbMFssvPCC6poVDocxGU288MMf0tzSwr/+67+yuLjII4/sxuv18uabb3Lx4kXc7iKsVit79uzhmWee4dChQ3R1dRGJRCkvL/tc5/NlMjc3x3vvvYfT6WTjxo08/PDDK1y4cu4L5GNQVrraWCwWNm7cwPj4OKHQPEePHKOhoZGGhnqcTqcucm+ALnRvg8KgqVgslp+8Qb3x4/E4sixTV1eL1WqlrKyMYm8xsixhNBrwer2Ul5czPT2NzWYDS3CU8wAAIABJREFUAUp9pZRXlHPp0iXMZtXquXPnTnVyEkWqKquw2+z4SnyAwsLCQn67NSeyc/49OR+oXHCMKlw00SUryJLqnynLMi6XG7vdjsViwe12MzMzQyqZ0lJqFSMIIhaLNZ8393a2hhRFwe0uoqysjHfeeYempiYeeughbVtzkUOHDvH++++zbl0HrW2tDA8PE4/HMZlNtLT4KS8vZ2hwiJ2dnVitVk6eOM27775LJpth586dGEQDdrud8ooyXC4nPp8Pq9XK7GyQWCzOunXtWtaEYtxuN+FwGLPZjMvl1LYojZjNZiKRCJlMJu+bms3KqK6saj87HE5KSkowGEwYDAYkSSIWi5HNZvF6SzCbLXg8HtxFbiRZWtN4EkWRbEbd0s27hyhqAFY4EsFut+HxFCEIUFLizbfV6XRSWlqG1WrF4XBgsVgwmUxUVFRw9uxZjhw5Qjgcxul04nK5URTweku0IBsJl9tFJBIlkUhojVn2GSM3ZhQFSVL9gwsD3gp9L9OZjCaAKrBYzBR7PJjNZhYXI4iiSElJST7IxGKxkEgmSCaTaxa66nVw4HA42b9/P2Vl5Tz33HMMDAySTCb58MMP+fTTT6mvr6epqYn+/j4SiQRGo5GWlpb8WN+wYQMup5Pu7m4OHDhANBrl4YcfRpYVamvrqKyswm53UFZWxsT4BPOheaSsRFlZGUVFRVRWVlLkKWJudo5EMo7T6dSCbhR8vhKy2Zzf9PI9KooiBs3X1OVy4ynyYLGoVntJkohEIhiNRnw+HzabnfLyCnwlJRjEW/e9M4gGrDYbBqNhRXnunO82KJSVlVNRXobD6aS0tDRvXVJFXwkOhwO324XJZMBsNtHR0cH4+DiXLl1iZGRUa5ePTEaipKQEm80BKLjdHjKZLMlkukDs5fwol51Pl/tGfZhLUhYUOe+LGo0uoihqH9lsqssHgkAqlcZkMuPzleFyFa24D3Nz31owGAwYjUZqa2sZGBjg3LlzfOc7z2A2WwkEAgQCsxw/fhxJkli/fj2RSARZkoktxaiqqqK1tZWPPvqIe+65h+bmZqLRJd544w3Onz9PU1MTDz/0EAaDkerqaoo8biRJori4mEQiQSAQ0PrZjcPpoLKykqmpKcKRMGaLWUtnaKGqqgpZlkkkEmjLzxX+9bk+raioyN9fAPF4nIWFBWw2GzabFbPZTFlZGfF4fM39dDPKysp46qmn2LVrF0XuIowmVVYYDUYWFhb47W9/SyQSobWllda21vx4k7ISsiyRy0ZQGFCXSMSZnw8xNjbKm2++qVlCI7S2rkMURZwOJ0VFboxGA263C0EAWc7eMAjv66ahoYEf/ehHNDU15V08sllphd9yYXCqIAr5hUkuTmbHjh387ne/Y2hoiMmpSXY/vBuHw6kFSX+dZ3dnc2c6tNwFeL1eNm7cyNTUFNPTUwBksxLRaJR0Oo3BYCAQmNWiiwNEImFE0YCUlbVgCgOKvBwh7/V62bRpE3Nzc3R3d+FyuWhubkYQBTLZLPMLC2SyGaKLqs+sx+NRj6EoZDIZQCAajZJMplhYCBMKhTAaDVrgi1rJDAWMJiNGk7aqV1SLYSqVIpPJEI/HMZvNGE1GLbjCgCiIGERREzbLN+KtkruBRVGksrKS9vZ2ampqqKqqAtQJeXp6mpaWVv78z/+cnTt3YjabyWazhMNhurvPMjU5hcVi4ZNPP2VhIUxpWSm77tlFZ2cndXV1mEwmkskk4bAq/iKRCIl4ApvNjigaCYcjyLK6KFlaWqKoqAij0cji4iKJRCJ//g6HA6PRqJ1nYfYC1UfKYDDmt0dzAlAN2hIIhxfIZDIsLS2RSMQxmUz5z9wMg0GkprYGl9tF35UrpJKq6EymksQTMURRIJFIEI/HicVihEIhVTTlrQG5rBwGjEZ1TPj9fmpqajh16hThcJjW1la83mJE0UA0ushidJFoNEo4HMFms2lRzupDwmg0IkkSqVSKVCrN0lKMTEZSrc9SgUhR1EWTLMsYDCJLS0sEg0EymSzRxUUkScJudyw/wBA0obds4bsdHA4H69ato7GxkbraWsrLK5CyEkuLS4yPjVNXV8f3v/8Ddu7cqYlPgUwmy7lz51laWkIQBM6dPUckGqWsrIwtW7bQ2dlJbU2tFv09r/khq4EgkixR5ClC0RaYyUSSUCjE4uKiunhyuUkmkySTKc13dAFJymqL39XXf+WDrHAsOZ1OZFkmHA6TyaQJBueYX1ggqy0ybgWT2Uxzsx9ZlvIZKgCWlmKEwxFSqTShUIhwOMrCQphwOJwXfEajUdv+XM60IUkSTY2NuF0ujh49yvT0NJWVVbiLihBFkVgsRiadJh5PsLi4iCAUlgcXtbEkk0qliMXiLCyogTW5jA0KCiazCYPRCJpFy+lwoCgKS0tLZDNZFhbCSJKkBcQq+bGfHz+rggVvldxYrq6uoaamlurqGurrG7BYLMiyzNDQIKFQiAcffJDvfOc7NDQ0YNDur/GxcS5euEhJSQlXrlyhv78fo8HIurZ13H///WzYsAGny0UmkyEwEyAei7G4uERsKYbBYKC4uDh/PycSCebm5pAkCbfbTSqVUkW1rKZwNJlM2O12BG3RlA+w1QwXufkJctZzAZPJhMvlJh5PkEikyGazzM/Pk0wm195RN8FkMuLxeKisrKSishybzaYulkWBpaUlIpEoTzzxBD/+kx/j9/vz107U/q/kA/a09GQo2GxWvN5i7r//fv7u7/6Of/iHf+B//+//zX/7bz+ipKQEY0GwbG4A3NkJpBTMZjPl5eXU1dZS6vNh1RYlsVhcy2gTyhs6FFnRru0yBtFAfX09RUVFvPTSS0QjUWpra7HbbbrIvQm6Rfc2yW1h9fb28j//5//Lzp07kWWZ+YV5Sn2llJWV8dvf/pbe3l6uXFEDoepqawkGg9pEz4oHmMVqobKykkwmwyeffMKf//mfU1FeQSqVoqWlhTfffIPR0REuXrxITXUNTU1+ent7kWUFm82B213EwYMHEUUjw0NDBAKzGAxqYEc0GuHtt98kmUwQj8eQJAmr1ULbujYuXLzAyy//GofDydjYGI888gjFxcWqRViWQBAQREN+C15Rrs6LeKP5pXCV3tLSwl/91V9hNpuJRqNkMhmsVitFRUVcunSJV155haGhIQYHB7j33l1cuXKZkydP8sgjj9DY2Mh7773H4Y8O891nv0tDQwOKopBKpQgEAkxNTfH666/T1dXF0OAQ9Q313HPPLuJxNS1PNptlakoVzA899BAzMzO89dZb/PqlX2M0GZmcnOTpp57G6XCuCKZRFAVZUgWd+pqIqE2wsixTq13TTz75lEgkysDAAIHAjGZhUMXh8nbhtVAQRIG2thY2bOjg4MFDTM9MU11dRSAwi8Viprq6is8++4x/+Zd/xmazEQqFePLJJ7FarflIf1C3rdPpDKIoUlZWRmlpKf39/VitVvz+Jnw+H40NDXx44EN+rfkth0Ihnn32WVKpFLIsYzQa81H6v/vd7/B4PJw7d55mvx+bzY7FYqO7u4v33/+QtrY2ZC0Kvq6uLu9DGQqFGBkZoaSkhJaWVro++0ydtIWcJVgim5FYa5q2wmwRDQ0N/Pf//t+xWKyqhVCWcDqdmC1mzp49y+uv/xcTE+P09/fT3r6OCxcucPz4CbZvV4MRP/jgAB988AHPPfccTz35lHo9FZmp6SkGBwfzAUZXrlyhqamJzZs3E41G+eyzz1hcXGRsbAxZltmydQuhYJC333mHF198EUEQCAaD7NmzB7vdofWrpG1py1qeUalA6C9nX6ivr2dsbIxPPvmEpaUlRkZGmZgYX9MCUxCgtbWF9evXc+zYMcLhMHV1dYyOjuLxeCgtLaWrq4tXfvMKoigyNTXF9u3bcbvdV1kKc/eAu8hNRWUF+997jy1bttDe3k5lZSXbtm3j4IGD/Oa3vyWdSueDiExGE9mshCwrNDQ0cvz4Cc2/vohTp07R2bkDi8VCSUkJPT097N+/n87OTm1xYKCxqYmJyUmOHz9OYCbAwMAAtTW1NDU2MT01TTabVa3E2u6UrNzaImA16q6Xur3+zDPPsHv3boqKPBw6dAhZUqisrKLvSj+nTp6i70ofhw4dorGxkVg8xpGjR0ilU/zsZz/j008/5f3336fYU0xnZyc7xZ2A6qMrZSWOnziuLpLm1cVwQ0MDDoeDl19+mVdffRWPx0NfXx8PPvggu3btYnBwkAMHDjA6OsrZs2q8gt/vZ3x8HEVS8gsRSZbISstWTEEAATVTgdlsZft21fr3+9//Hq/Xy+nTp1m/fv1t9dX1yGTSZDJpBEEBZM06q47xTCaN1WrFZDJy9OhRRkaGOXjwIE6nA0FQKCpycfz4KAcPHSSVTuJyuQgGZzl48ACSlGXTpk288cYb+ViYWCzOtm3bVCNPQZYSWb6TBa7KVW0UFKw2K1VV1Rw5os6ZR44cRZKy6nMHkLWFZg5JlvD5fGzcuJEDBw7w9NNPU1lVkQ9+1Lk+ejDabZDbhvR6vbS2tub9cpPJJE2NTezatYu2tjaSySSTk5O0trbyx3/8fSoqKxEEgeJiNd1Qbiu4oqKC+vr6fFBEzn+vqMhNkbsIf7OfWCxGMBhk+/bt7N27F6/Xi9VipbKyinXr1lFdVY3FYiEUCmmRup1566nb7SYYDAIKdXVqCpitW7fS1NREWVk5MzMzyLLMww8/zL333ovZbMZut9PQ0EBlZSWyLGMymWlq8uMt9qzJEpfNqjdufX09fr9f3dp3qxG/BoOBlpZWtm3bhiyr1jK/388f/dEDNDY2oigyDoeDxx57lLraOlxuF4Ko+mjabBYEQSCbyTIxPs5MYIbq6mrS6TTt7e08/dRT1NXWUlNTg9PpZHx8XPXj3buXdW3rVCHoK9Us30Yee+wxtm/fno+Qr6uro6ioKJ9BoaSkBKfTSW1treZHa6C8vJyNGzfk/VvD4XA+WK+trY3m5mZgZV5bdfxc3U9Wq4WGhgbKy8uZnFT9at1uNUvEvffem9/aBNizZw/3339f3gJXXV2V950uLi6mqamR4mJv3m2ms7OT9nXtOOwOqqtr8BZ7mZ6axmq18vjjj7Nt2zbMJjNut5vGxkZaW1spLi4mFAphs9nYunUr27dvZ13bOkpKSkgl08yH5vF6vZSVlVJZWcG6de35aOLZ2Vmam5t56qmnqK9XLe6lZaXU19fjcNoBIR8pvJZJOjeWamvrNOFeitvlzlu6ampr2LRpE7ndjYaGBrZt20pLSyvZbIbiYtVC1N7egdvtxmBQr6HDoQawyIrM8PAwiUQCn8+Xz8qw57E91NfVU1NTg8VsYUrLpPL888+zadMGSktL8XiKmZ2dQxQFHnnkEXbtukdbGJipra3F4ynK79J4PB683mLq6+txuVyIokhFRQVNTU34/X5MJpPmmiRiMBhoa2vD3+RHTe134z4SBDCbzTQ2NuZ9lSenJnG73WzZvEX16y6vYCYQQBRF9uzZw65dOzGbLVitVupqa/F6izXroouGhgZ8Ph8ej4eioiK2bdtGR0cHDrtd7Tu7g8BMAIvVwqOPPsrWrVtVNxq7gyZ/k+aH6yUajWIymdi4caM29zRSVVVJKpUmGAzmA1P9fj9tba00NzcjSRKjo6M0NDaw97t7qauvAwV8Ph81NTXYHXYAampqqautxWq1XJUD+Pr9JJBOZ/AWe2lpbaW2tpqSEi92u3pMj8fDhg0baGxqJBgK5t1dNm7cSHFxMalUiu3bt7N9+zb8/iZkWcFX6qPEV6IWcUAgmUpy7tw5KioqMBqNmMwmnn76aTZt3ISv1EdZWRnz8/MsLi7y4B89yIMPPUhlZSWNjU2k02kCgQAdHR08/fTT1NbUICsKZWVlVGmpLCsqyqmrqwWgqclPRUUFBoMRm82G3++npbmFyopKgtocJ8sSpaWlbNy46QsLRgN1fmtpaaG8vCyfPz6TyWhjupGqqmoCgQCJRIJ77rmHDRs20NzcTENDA2azmYmJcRwOB7t27cRutzM1NYXdbqezsxO/36+5kQSwWCy0tLTgdrsRDSINDY34fCUIgoDT6ci7BNwprguFzUin03g8xaxb14bT4dTuUxN+v5+FhQjRSJR777uXtrY22tvbMYgGSktLaWpqwmAwUFJSQnV1NU6nnWAwSH//AHv2PE5bm5qjW+fG6AUjbhM1Ufrynplqwbg6x6ma905Y+fe1jrdq66XQ56bwCuUCnNQqNCtzyBbe4IJA3vJ6/cThFOTkW24HihrkkNt4vZUUWddDTQ6v5uBcsd14jc/l8kbm8mcKgppL2Gq15Nu7MpBLIZFIcOjQRxw/fpx9+77HunXtaq7h3LbY7YxuBSRtEZLLf5nL67vi92V1+zMYmmV+XhUmhw8fJhAI8KMfvUBzcy5SfvUDZeU5XCvwIGddXe6vXJ5IJZ878upjCnnrX2Gxh9z31XF44wuZu/45X0BR8xMTBJbzqhYcssBNULX4F/gQ5r53I9YyrlTfTjmf+za/fVtg1VY/l1V9242GfB/k/Ohv9BCUJJmDBw9y5coVdu/eTXt7ez5n8+rLuPowkiRrRWRUX7pCK37OBSB3XdTXVIFQ6CYgy7KWOmsJo9HI+++/z/j4OPv27WPLlq3qTsLNUtUpqmUth7qYzm13Q24cqf77YoEPoLZdmv/uspWw8EfV6y+o+Tu1uShnVV0OPFv5vnpcJd8eUVBT+OXGcuF4yRf7UNSxnNHiAgqT6q+2OOd+b611XHLjJj+n3oRcW3P9p7p8iJpLj+bCU+BPHY6E+T//5//Q3NzMI488gsvpUg8kaMU1gEw6g4KC2WxUz11edmXJSrnxVNAvBW0vtBKKwspCNoII0WiUyckp7DY78wvzvPjii2zZvJlnn30WX2nJCj98tV/X1n85ckFuhffW6tdywb25tudcDWRZdb0TRTHvBpZKpQB1wSYXzMP/f3vvGRzHleX5/jLLAiig4FEFgPAeIACCBJ3oRFKiPM2IlOlWd+9Kmu7d2bfqFzFvI+bTzJd9sRH95vVOa+bNxPRMt8zIdstQIiWRFD0JGggA4T0IwgOEBwpAucz3IasSBRD0kER15y+CIaEq7a2bN88995z/8a+w+cNYYP4Zulfj9sZxdPmN5Bt03hecTwkJFBAXFiDxPYaLK81NTk7y/vvvMzw8zIEDB8jISP/OPLr+9++tkqsfRLSCEffI/NI2+F8CBsPtmvLWvcE/WPuNV0XM/kZDTf3bN1je+rh3H5gvICynnrgq9r7YSA1EeekL+CuvBb78AxWDFu8/n9lsIi4ulvDwcEJCgvGLyt8zPqP8dkUNZCRm5+aora3jnXfeoa+vj+TkZPbt20dycvI9J0bodLolwh1k9b6WGjT9CWx3YtDdCgEBRKVv3TbBYbGihK9P+uPPfTbzsg2E6gtfAqUARcCJA9DpdD4jV7jxGm+BIAiYTIpnU6fTqSEqS7H4mEp/WTzJnT/uYukr/28Y+F+v10NTUyPvvvse3d3dpKSksG/fPvLy8u5ZH1QxBBZeCwg+z9v8vQgCCDoBf9rGwsnXvCKFJPlCegRRLS6h04vobpHuIQjzhSj8fcpvZIqifMOEXPDNKHWizhfHvHS4VKANfi99bPEz4r/lmw2r/rwFAFEvLnjpLzVeCAKEBIdgMppuSCj076cYd6iTAiW8R7kxUWdg/rmXbji2v1Lmjc4UxVByuz0cPXqUUydP4fa4FdWaRx8lKjrqnseHpVjct5f6bLG6gL/P6XQCer2iEexH0QxWmDfw54tdGI1LP2eB3NywvHcv9t36BBf051ttt8Sz4x96RClwcivzxu9/z+Xycl566cckJCSohVS+K36oblHNo3sPBA48gQbG0tyZJ81/XCkgA/VeqkctOuItH7KlPLoqi7yX9zsu+ttp3vgRbjhmoGHo75aSFOBhXrRPoOdTkrwBs358ZTt1N7wg7/0GFnp59fp5b6XX62VuzonH41YTRwLv4W48urfrTzc3dAOSnISlBtc774eBv73/Zb6kR3fxboIyQAdW1FpOjy7c/hoWXzv4PXGyYmyJN/Y7QVC28cv1KX3I55UMvM5bXuvdTWpkWVK9gPOJhcq5XS4XLpcLo9GovtTvfJS+cYVg/h4CbyKwEttCj66woA2VffweZ8X7Kqje1zu/30DDdOnS0Dde6/y+brdHmXzdxHt1L+NToEfXf55bbz/vnQ70Wt8Kv9dVuMWGgT/LgrFB9YTf7sdf+GzLvsb2h/QEvlMUx8MSBj731oZ3w+1Mjbs1vm91vOXw8H7bIRD+/uefwyw1r144v5GZc875Vtn0ajn678qjerPm/iF4dDVD9x5QlA5cdHf3UF5ejsPhACAxMZFHHtm5aOv5QWhmZoaGxgbq6uoQRVGpVJWRSVFxIf5QBJfLxdWrV2lubqagoIC0tDSfjFhAh1rsKfMtGd/4YN76JRJo6I6OjlJeXo7b42br1q3KMpvvhXc/HdnrlRgcHKKqqpKJiXGys7MpLCxcEFekXIesZqFPTU1RV1dHa2sL1rBwVq4sJDUtNeCFpLx0q6urqaqq4oknniAuLu4GiSFRvPf63zdbzuzs7OTMmbPY7XZ27txxw/H9S8V+9YOl3oRLGbq9vb1UVlYyOjqqitKvWbPmhlg6/73Pzs7S3NxMU1OTuvSXl5dHYWGhqqAgSRItLS3U1zf4Yr/y1DKlN/OwLzBs5Rs/XxwqEBhy43+ZXx8e5tKli3i9XrZs3kxU9M21l++mb0mSTE93L1VVVUxMTJCRmUFBfoGqZe27iAWG7vT0DC0tLbS0tCCKIsXFxaSnpy/43VwuN9988w1dXV2KvmdaGv7EQ50oKM9WwEqHLM//HdgnlXPe+oYCkxyHhoYoKyvDbrdTWlp6m6TFOzV2FbWCmpoa2tvb1YTPkpISMjMzA86x8Dq7urqpra1hZGQEr9ejqlHY7TZVSs7pdHLkyBH0ej2bN28mLCz8Bg/o7byi/jHJ3wZLtw+o5acluHKlmrq6OlatWkVuXs6SBva9jFFK5bIampqaCbWEUryqmISE+Jsa8LIMAwODVFdXMzQ0SHJyCoWFK4kID19wr8PDI5w6dYrY2FhWFa/CYlESXAVx6f6hhGr472Oh8bw4FGXxfkoTKu+H8vJyhoeHKV1TSlxc3A3b39Sg/o4M3UCW+u0Xj3OLP/u2znuza/i2z+kfYxbnUi42eBe/LwBf6JGyeuafqC/lPLr5NaEWbQoJCbq9QwzlWXS5XHz8ycdYrVa2bt3ii4m+s3N+X2ihC/eB0+miurqat956i4yMDEJCglWt2UB5HcC3LCkxPDLM4cOHqfimgvz8fMxBivZpfkEeep1eeXnKMDIyQmVlJbGxsaxIXKHKsPiXAAMHK79XSBCU5SIlI1nySWHpVC/MfCye5KsfrvwTfeECHo+Hnp4eRsdG2bJ5y7K1U09PDx988CF1dbXo9TqOHDnKjh1KcYUQn4yQ30Ou0+nweDzU1dXx6aefMj4+jsejVAc6cOAA69atW+AJGhoaor6+ni1bNhMbG6Meyx+3JctenE5FON8vj6YuvcrzMkV+o1Ax8ATVayoIysvQ6/Uqsmt6PS6Xi+6ubp+k240ELhXfyaApCIp0WFlZGe+//z4RERFER0erbaFcj6T2J39ox/T0NKdPn+Ls2XPY7XaioqJ8JZoXDqoTExO0tDQTGhpKenqGGuvoDwPw+tQk/IUN5jP8hQWxcaIo+NrP5zUGn8E8Hyfub9e5OcUIB3jooYfuteuo+G/p2rVrfPzRJzQ0NqDT6Th1+hTbtm1j9+7dqjGBjOq5lWWZmpoaPvnkE0ZGRpiZmeH06dM899xzrF+/Tp1sybJET08PtTW1pKamkp6WjlfyIgqATocg44uX9P++AvOTyHmDzd+P52PS9QH9VVLb2h/O43Q6aW9vx+PxUFJScltD93bdyd9Oo6OjHD58mJaWZuLjE4iJiSEjI8O3CuX3HM97SiVJKfxx8OBneL0ewsPDyc2VKCjw4B9s/LGTzc3NhISEsH79emX88ckW6kRRyRT3x4gLvnZacM1ywLXOe579XuPAGHRQ4hYlWWLo+hBVV6qw2W3k5GSDuBwrTBKHDx/m5MlTuFxuRkZGOH36NC/+6EXy8/PV0BVRJ6irGVOTU3z66SdUVlbi8XhwOBw8/PDD7N2zF5ttvliFy+Wkvr4eh8OhqBwIimGiE5R4Xv+YvEAiUFDaxu1x+/qIDp1OJDBG1R/z6m83v7dYcYRI9Pb20tfbR35+/l3HK3/X3HY5/z5/4DsNXfguWGr1InD1EVC97qIg+hRq5uPX/WO+YtBKC8ZcUZR9/cQfAiT4xh8BAd+7SABJUmLpZZT3ntvl5j/e/g+2PbyNkpISLJZgZF9cvD9kSxDnHV2Sz8h1e9zU1NSQmJjIQw9tWOAYeZDRDN17Rkk6ycnJ4Sc/eYnw8Aif902ku7tH9cgq0jFtjI6OEhUZhcFgYO26tfz0pz/FaDT6RK/1SmcR8SWBCb4KVRJuj4u6K/VMTU2xYf0GpTRo+WW6urrIzs5m1apVgKSWh/V79+Li4nyapm7Gx8dJT08nLy+P4OBgpqYmqaq6Qk9PL3a7naKiom+tleLtdl55+WU8Hg/TjmmOHTtKdfUV1q9XjNa+vj6KiorQ6XS0tLQgSRIFBfnEx8djNpvp6+vj8OHDnDp1StWC9XoldUarGOleBgcVozciIoL8/Hz6+/uoqqpibs5JZmYGubl5OBwOmpubfVXt5ggJCcFsDlI1amdnZykpWY3NZkcUBQYG+rly5QoOh4OszGzy8vKQvIpszp3qmt4NKSkpPPXUU6Snp6sZ4FevXqW3t1dVrLh69SrT09NERERgsYTy8MMPs2vXLiIiIggODsZgMAQsMS/0Fk1PTdPa2orH66GoqBBJkvjmmwq6uq6RlpZOUWGtQ4dEAAAgAElEQVQher2eq51XGR8fw+Fw+OTGwvF4lEIAg4ODZGVlkZ2dg9lsZnh4mPr6enp6eoiLs6l9SZloLG/7REREsO8v9vG88XlcLhdffvklLS0ttLa2qvq3OTk5mIwmWtuUzzIzM3nttdcwmYz09vbyzjvvcuHCRfLy8oiKigQCpH989uvw8DA1NTWERyjlpgcHB6mpqWZmxkFOTo6vOIAiJed2u3E6nURERGA0GpmZmfHpWc8pWfupqT5N7UGuXLnC2NgY2dlKX/q2FtM8Hg9Wq5Xt23ewceNGoqOjiYyMxOl0UVFRicFgICcnh4mJSZqbW7D71GCysrIoKiwiK1vJbA8NtagxknJAUoz/t21paeXq1aukpqaSmJhIR0cH1VeqEXUiK1euJD0tnZ6eHgYHBxStao+bqKhI32Rojv7+fsLCwlizZjUxMbF4PB7a2tq4cqUar9fLypWFC8tEL2tzCWzevJm1peswm800NDby7rvv0tjQSKgllN7eXhISE1ixYgXd3d0MDQ2p8fd79+5Fp9PxxRdfcPHiRQoLC4mzxaorGv4JM4Db7aa2tlYtvWsJsVBdU01bWxsx0dEUryrGag2jo6OD6elpRkdHEQSlctz09DQzMzMMDCiKMkVFRURERDA3N6eW+g0NDaWkZDUxMTG+MIU7CXX40+DbCF34Nuns7KS8vJzx8XFyc3NZuXIlExOTVHxTydj4GCtXrqSgoABZlqioqMBkMnL16lVEUWT9+vXExcXR19dHT083Xq+Xjo6rZGRksGbNGt97fYqKigpaWlqw2+NZv24DkVGReNxuOjquUltXi8PhYOXKlUiSxIWLFxifGKe1pZUtW7cQFxdHY2Oj+h5du3YtdnucWhr70qVL2O12pqemVT10ePCNXNAM3ftAybxtamri7//+/yU6OprHH3+cbdu2MT09zfHjx6n1lQH9+uvj5OcXkJCQgNvtpqysjK5rXaSlp7F//36fhMiNiWcTE5Mc+eooJ0+d5InHn2BwaJCDBw/S2tpKSEgI1dXV9PR0s2nTQxw+fIjTp89QWlpKamoqLS0tfPbZQTIzs5BlJZv8pZdeIjc3l48++ohz585htydw/vx56uvr2bVr17fSSnqDgfDwCGRZQtSJGI1Gn3i8Q/U8dXZ2EhISwsmTJ9m3bx8WSygWS6haLcqf4Rzo+ZEkJcvdv+z/5ZdfMjIywlNPPUVdXR0ff/wxY2NjmM1mKioqePzxxzGZTLz++uuIosiaNWtISEigubmZmpoaMjOV2uplZWX81V/9FbOzs3z22Wf09PQgiiIXL15ky5atpKWl+Wbffk/L7ZUFbodOpyMoKIhr167xT//0T6SkpLBz5062bduK2+3ixIkTlJWVsWbNGs6cOUNKSgqbN29mcnKSkydPUllZSW5uLrt27SIvLy9A7UDxAos6PdPTDo4cPUJV1RU2bdpET08vx44do6amhsiIcKqqqujp6fJV3vmAiopvKClZTV5eHvX19ZSVlREdHY3Lpeg8P/vsfjIzM/n8888Vo9AaztkzZ2lqamT79u03Ddu4H6xWK2FhYXi9EjMzSjUyf+Le2NgYR44coaurC71ezzfffMOOHTvIzc3BaIzyhTFMYzYZ8Wva+vF7ow0GA9eHr3Pp8iX6+vrYvXs3tbW1HDlyhNHRYbxeL2VlZTzyyCOEhoby5ptvMjs7S3FxMVlZWdTW1lJdXU1KSgqjo6NcvnyZn/zkJ+j1ej7++GP6+vrQ6XSUlZWxc+dOcnJyAu5uedtqdHSU06dPU1ZWRmlpKU8++SQJCQl0dnZSVVXFxo0b6erqZmjoOnv27AGgvr6eixcvkpiYyNatW9i6dQuRkZG+525+NUGn09HQUM/x4ycJCwsjOTmZc+fO8dWXX+GVvLhdbq5UXWH/gf10d3fzwQfvExwcRElJCdevWzlz5gwzMzPExcUyMDBId3c3u3fvpr29nc8/P8TMjFLJ7sqVavbu2esLhfAV2Fimt6ogKDKPsm8FwGq1YjAYfasdesq/KefCxQts2LCBY8eOYbVaSUpagc0W6/PMQ2hoqLpCstirpdcrq0iXLl7izNkz5OXlkZKSwldffsWV6ivodTqmpiZpa29lx44dHDt2jPPnz5OQkEBBQQFjY2McPnwYo9FIdHQUX331FU8++STbt2/nzJkznDt3Dr1ez/j4OLW1dTz77LNqyMgPwfBYDh5EY3YpvF4vjY2N/Ou//itOpxOLxcL09DQmk5n33nuPiYkJzOYgjhw5wosvKisKH374AaOjo9hsNvr7+2lqauLll1+mpqaGf/u3fyMhIQGDwcDnn3/Oz3/+czZs2MDHH3/MxYsXsVrDOX/+AnV19bz045fo6OjgjTffIDQ0lOCgYLxepWy63wk2OaVUxjx48CBlZWVYrVbGx8apr6/npZde4vr1IX796/9NREQE1dVKGFFObs4Pqp9pOrr3gN+TGBpqIT8/j8LClUxOTnL8+HHS0lLJyMjAYlFKlDY0NJCSksL+/QcIDw8nPj6B0tI1rEhaQX19PXV1daxeXYLZHASA1+uht6+PyspKWltbGRgcYP/+/Tz00EPU1dVx7Ngxtm7dSmFhIbOzM3R0dJCTk0t/fz9RUVG89tpr5OTk0NraisMxwy9+8QvWrVvP8PAwMzMzCILAe++9x7p163jkkUcBaGpqIi4ujvGJcebm5lizWhF0X44YXQUZl8tNfX0dp0+fIisrk23bHsZmUwpiHDp0iJaWFtU76V9Cn5mZ4dy5czQ1NbF9+3ays7NVKRllRttBWVkZg4ODGI1G9u/fj81m49SpUzQ2NrJr1y5KSkoYHh7m2rVrxMRE093dzUMPbeLll18mNDSUhoYGYmNjee21XxIdHU1DQwMGg4Guri7q6urYsmULhYWF9Pf309FxFVtcHL0+jVvFE33v0jaB/SkkJITMzExWrVrF9PQ0ly5dIjw8gsLCQkRR5MKFC1y4cIHk5GT27t1LTEwMNpuNkpIS0tLSaGpqoq2tTdVpFQTRNwnoo6ammtaWVmYcDnbs3MG2bVupqKjg7JmzlKwu4eGHtzI1NUl7ewfBwcEMDQ2SmJjIf/kvv6CgoICGhgbcbjevvvoqmzdv8VXwmWV8fJwzZ86QlZXFE088wdTUFA0NDYSGhTI5OYksyxQXF6s6tUvf+122FQKSJFNTW8OZM2dITExk/fr1JCYkMj09zddff017ezvr169n+/btBAUFgwwOh4NTp07Sea2LzZs3k5WVpcryeDxeWlpaqK6uprW1ldDQUPbs2UN6ejonTpygt7eXzZu3UFCQT1dXF5OTk2q57A0bNvDKK69gs9loaGggLi6OV155haSkJDo6OggNDaWzs5POzk42bdpEUVER3d3dTExMEBsby8DAAJGRkWRn59yQfLo4RvpO0euVsrOrV68mNTWViooKBgYGyMjIID09ja6ubg4fPsz09BSPP/44JSWrsVqtZGVlsXr1ajweD5WViuc3MTHRV+VPidG9cuUKbW1ttLS0kZiYqIYgffbZ53i8Hnbt2kVWVhbVNdUYjUa8Xi9jY+M888xu9u3biyAINDY2snHjRv7yL/+SkJAQBgYGCAsL4+TJU4yMjLB9+3Zyc3Opr69nbm4OURQZGBggMyOTlOSUBcUC7obFya5+dZvpaQeff/45U1OTbN6ymezsbOx2GxUVFRw9epSQkBBff8hQwr1Egfb2Dr788ktWrFjB+vXrsVrD1GNPT09x6dJlGhsb6brWxfp169m1a5dSpObgZ+Tk5LB9+8MgCFRWVhEZGcH169cxGAy89NJLPPLITsbHx+nq6mLPnj0899zz9PX1MTU1iV5v4OuvvyY+3q4W9zl58hRJScm4PW4cDgfZ2YoO9q24WXy+xvIjy/DBBx/gcrn4r//1rzhwYD/FxcVUVVXS0NDAf//vr/GjH/2ItrY2rl27RkZGOnV19ZSUrOLVV18lOTmZkydPkp6erlYS/dnPfsbevXtpampiamoKk8nEp59+yrp169i0aRMhISGcOnWKxMREjh07it1u4y//8uc8/fTT5OfnExMTQ11dHXv37mXPnj04HA5+//vfU1BQwNatW7FarRw7doz09FQOHfocu93OL3/5SzZs2EBVVZVPs3zlAoWMBxnNo3uPGAxKjfQVK5IAiIuz0dLSwrlz5yksLCItLY3ExESqq6t5+eVXifYJ+hcWKpVpXC43FouFd999l66ubiIjI5SMcgnVS9nd3c3PfvYzVq1ahcvlpL+vn77ePr788kuCgsy43W7i4+1IklI6UlluDFU7vs1mIzo6GkmS1CWv0dFRxsbGqKqqoramFrfbTVR09HyCzTLjjyNubW3h8OFDWCwWnnlmN2FhYbjdbjIzMzEHmXE5XWzevBmz2YzX62V6eppz585x5swZNm7cyLp169QYRn+8GkBHRweTk5P84he/IC0tzSfAPkln51U++eQTXwlkiaKiIlwuNyaTmajoKDXhxGQyERISTEREBJGRUVgsoTgcM+rS9NTUFDqdyMzMLIWFhRiNJiVxUJpPBLkf/C/fxMQEEhMTALDZ4njvvfdpampSi4/Ex9vp6OggLy8Pm82GJElkZGSQkZGBx+PB7XZz/PhxOjraSU5OClhmFuju7ubq1U5eeOEFVq9ejSAopTkHBgY4f/4clZXfMDMzQ0pKCoIgEBwc4gvrUH4LURR9y9/RAJhNZmZnZpmcnOT69esMDQ1RW1vL1NQUsTGx6r3pxPv3di9GkiVa21o5euQoFouFnTt3EhkZCTJkZWWpyVLFxasIDQ1VDDSXk7Nnz3L+/HlWr17D+vXrF0kUyb6Srx2YzWaefvppMjMzGR0Z5fr169TV1dHX14der8TgJyUlodcrwvzh4eEEBQXhcDgIDQ3FYrEQGRnJyMgIJpOJiYkJRkZGaG9vZ2hoCEEQcDgcrFmzGoNBr6oXCPgyrG/SXncaByfLYLGEUFRU6AsRcDIyMsLVq1cZGhqioKCA/Px8Tp8+7Stck4nZbMZus2G3K/0qPT2d3//+d3R0dFBaWrpAhF+WZc6fv0BWVhYHDhwgKWkFnZ2djI2N+qoCDuJXjggODsblcpEQH098vE0t7W2xWIiKiiIoKEgpbSsoBQYcjmkaGhoYHR3DZDL5CnbkKvHSOlFNVr1TFi9tB05I/ZNlh2OWQ4cO0dzczCOPPEJubi6iKJKYmEhCQjxnz57mscd2kZmZ6Rt3BK5d6+Ldd99Fr9fz6KOPkpCQcMPYOTU1xaVLl9izZw8bH9qoVoEbHhnm2LFjVFVVMjc3h8lkUovMREZGEhYWik6nR5Jk7PYE4mJtvjHKwsyMsgo2OjpKV1c3jY3NyLKE2RyExWLB5XQpyaJLRFVpRux3j5rEJcPo6Bjp6RlYreFKvKwk09XVg9UarhTAEEVycnKorKwEn/xfeno6YWFhakl2l8uFLMskJiZis9kwGIyEhobhmJ5hcGCIgYEhTpw4xeXL3+B0OgkJCUav1+GYmSYnN5uwsFAEAXXiqlybrJbydkw7OHv2LFeuXFGqpwaZMZnNDA1dZ/XqFRgMBqzWcCIiIwIkQH8YfUszdO8Bf3KZXxRbkiQcDgeSpFTycjqdauygxRLKxYsXyM3N9Xm2ZLWWur/s6lJZvv7OXFtby+XLlykuLsZkNpGalsrLL7/sq1jmQa83MDs7w/T0tJp9LkneBdfqRxAEgoKCyMzM5PnnnychIRG9Xo/JpBjNV69eXfbwLkmSaG/v4KOPPgJQr93r9fiW3WqZmpwiKChIzUB3u91UVFTw9ddfs379enbv3q1Kdi32nirV3WI5d+4cycnJxMTEYLWGs2ZNKc8++yx2ux2dTofRaKSpqQkAg15JQnK73b62mpcu0+lE9Ho9ISEhFBUV8cwzSrlhr9eLyaTEDHs8HlVPc3nayOuTtlISeGZn53A6neh0OrxeL3V1dVy92klwcDB1dXUUFxcTFRWlJh26XG5mZmZ9BQv8SQ6+pAVk0tJTiYiIoLW1lXNnz7F161aCg4MpWFnArkcfISNTqeBmNpsZGhqiubnZtyQL/mQhf1y00WBU/paUcJKUlBQ2bNjA2rXrmJ2dJSjIrFYEXO6lRUmSaW/v4NNPPkUQBZ5//jkyM9ORZZiZmaGxsVH1AFZXXyEpSRmcz507x9GjxygpWc2+fXsJDbXcECakE3Xk5OSofS8+Ph6bzUZwUDBr167lqaeeJDExwVc+20xra+uCxBB/kpD/eRZ9yXA6nQ6LxcKqVavYtWsXNpsNgODgECYnJ+ZjvZexreaT3kQ1iczlciEISqJrdXU1sgxjY+O0trYRGxvnM66UhFC3243H4y/RLKhL87Jvgvfww9twuz2cOXOGmJgYDAYDNpuNnJwctm3bRlCQksUdFhbG0aNH1THI3x8CC2X4kWWZsDArjz32OLt27VIr/YWGhnLp0iWcTucNqip3y+KxUJkcfk15eTnbt29n27atBAcrCbJtbe20tbVhsYRSU1PN6pLV5OblMTAwxIcf/AHJK7H/wH5ycrKXuBelettDDz1EX1+fGqqiE3XYbDY2bdrE2rVrEUURk8mIXq/kJ7jd7gXJZopSw3whCEmSMRiMhIdHsH37Dh7a+BAmkwmP10NUVBTHjx9XC3NoPFgY9Ab6+/qVcV3UIQiK86CpqYm5uTncbrdS4lkGyevFP/lWxvR53G5/yedAXWIRc1AQkZGRPP/88xQUFPjeT4qS0ZEjRxgZGfGNAaLaz/yIIhj0eqzhVl9Vx3U+LXGRsLAwIiMjmJqaAmSczjnm5maVPJD7exy/UzRD9x6ZnJyksrKSoaEhgoKCuHTpEgaDni1bttDZ2cnhw4fZtGkTubl5fPHFFxw7eozStaVcKLtAeEQ4U1NTHD16lMyMTNJS09QXryAq4vLh1nA2btzI+Pg477zzDpIkkZOTQ3l5OZ9//jkbNmzA43FjMpl8pVT1LNbe9YdY+B8YvV5Henoa4eHhfPjBH9i1axdOlwuDwUB2djbAsg+U/f39fPjhh9TXN/Dii8/T0dHB0NAQiYmJ1NbWUl9fz969ezGbzZw7d46EhHhMJjNvvPEGBoOB6OhoysvLWbFihXqfMC+zlZCQwN69e7l48SJvvvkmzz33HKmpqTQ3N3Hp0iVyc3OZmZlRvXv+ClUGg8G3tDpfCUqSvLjdbkwmI0lJK2hubuLChQtMTU2pCUdms1nxugnykhOUe2F8fJyaGiVhxWAwUFFRgdvtpqAgn87OTs6fP6964k6ePMnp06cpLi6mpaUFQRAZGxvj4sVLJCWlkJ+fr/YlURRBhiBzECU7SnA4Zjj29deIOpGkpCTKysr4/NAhduzYgdM5h9lsxmq1qooSRqNR/X9/3xJExasqSRIpKSm0trZy+dJlgsxBeCUvJpOJmJiYBVUDl4v+/j4++OAD6urq2LFjB11d3UxOTpGWlkZdXR21tbU8+cSTIEBFRQVxcXFYrVY++fgTjCYDMTGxXKmqJiFBSTLSG5QkUGTFuxcRHsHadWtpamrij3/8I/v376ewqJCjR49w9uwZcnNzcDqdxMXZ1OpNCvO62n5Pob+Cm8USQnp6Om1tbZw4cYJVq1YxPj6BzWYjKioKj0dCloVlW02RJInW1jYaGxswGo3q6k1RURHR0TEcP36c4eHrvPLKK7S3t3OhrIzIyAgcjhn6epXksKorVVy/fp3NmzcRER4BckCogAxpqekUFRfx5Rdf8tEfP+Kxxx/Dbrdz8eJFZFkmOTmZyclJcnNzlcmA0jLKzmpbzatWuN0eDAYj2dk5nDhxgjNnzpCWlsbE+ARZ2Vk4nU70uoXV5paDy5cv8/7775OUpJRfv3KlWi1Z/dVXX2K323nhhRf47OBnHDt2TImjPHqECxcvsG3bNq5fv05l5Rzp6elERIQv+A28Xon169djNpk5cfIEkiSxYcMGkpKSqKioUGPLPR432dnZ6rjknzQpEyBFHSWwQmJGRgZ9vX3U1tQSFBRESEgIExMTlJaWqkmomrH7YCEKItu2beONN97gk08+ITk5GZPJRHZ2NocPH+ajjz5S+8WuXbuwhlvn9/VVppRlwaeKIONXTvGXmnZ73Gr58CNHjuByudDr9UxOTrJt2zbWrVvPoUOf8dlnB4mLi8NsDmbNmjWEhoZSXV2tlFbOyCQ/P5+LFy+qjp6ZGQdbtmxm06ZNfPjhhxw+fBiHw0Frawu5uXmIOmX1wDcffqDRYnTvAb8cV19fHxUVFXR1dZGYmMiLL75IcnISvb19GAwG9u3bR1paKlarlbHxcSLCI+jt6+Xy5csMDQ1RUlLCj1/6MeHhYeqLRJa8TE870Ol15OblkpeXh9VqZWRkhKIiJSRiYGCAiooKxsfHSU1NJSUlCa/XS1RUlFqRCyAmJpaUlFT0egNer4eYmBgKClYqWeNTU1yprmZsbIz4+HhSUlIQRWUGl5SUpBp09xujOzU1TV9vPy63k76+Pp/uq4eYmFimp6eIiIjg0UcfJSkpCZ1Ox8zMDFZrOMPDI0iSpKgO9PQCglobHRRDd3Z2FlEUyc/PV1+qHo+H0tJS7HY7nZ2dNDY24na7ycrKIjw8HLPZTEZGBjExMfhftjabjdTUVJ9RJ5Cenk5xcTEJCQl0dXXR0FDP7OysLxwlAVEUSExMJC0tbVkccbIsMzAwQHl5OW1tbdhsNvbt20dubh6dnZ2+JVJlWTU4OJjJyUmioqIYGBigsrKSsbFxVq9ezdNPP+2rd++Xo4O5uVlAICsrm5KSEsxmM5OTU2RlZVOQn8fkxASVlRXMzMz4+lIKZrOZ+Ph4kpOT1HjpqKhoUlNT1WU0u91Obm4uGRkZOJ1Oqq5UMTQ0hN1uJzU1FbPZjM0Wx4oVK24Zx3U37Tc6Okp//wAej4eRkRGamprweDzYbDbGx8aJio5i28PbyM7OQq83qGVF/ckWHR3ttLS2Yg4KIikpSe1LkizhlbxERERQVFRISUkJU5PTzDhmWFu6lri4OK5d66KhoRG320NKSgoREZHodDpSU1OIj4/H65Vwuz3ExdlISEj0Sbd5SUxc4cuKj6W3t5e6ujpmZ2dJSUkhxhfmkZiQSHy8/bYvizttK8e0EgJQVaX8Jtu3b+eZZ3ar/ay4uISNGzdis9mZmZ0hNDQMZLhSXU1tXS0hISE8/fTTrFm9BrPZ7BsDlERQx7SDqOgoVq1aRVJSEpNTk1itVjXEoaWlmZaWFoxGI1lZWZhMJsLCQklLSyMsLIy5uTl0Oj2pqanExcXhdLoJDg4mNTWN3NxcIiMjaW9vp7mpWXkBZ2YSbg0nODiY9PR0tXTt/T53giDQ0tKKw+HAOTdHe1s7HR0dREZG4vV6cDqdFBevIjs7h9jYWDxer+/lP4Msy4yPj9Pc1Mzo6CjJyUlK+Ax+KSZlHEpISGDdunVER0czODBIfHw869evx+NWJBT7+/uJi4shLU15rqKiokhLSyc0NBSXy4XBYCQ1NQWr1YrL5SYiIoK0tDQKCwuRkamvr6ejvYOI8AiyMrMQdSJWq5Xk5BRCQoLvuu/8EJagf4gIAiQlrSAqKorm5maam5sJDw9n9erVFBUV0XWti7b2Nh555BE10dXhmCI9PZ3Y2FicTqdPA3yVGuqUlZWF2Wz2TbzjyM3NpbS0lOnpaWpraxkcHMRms5GdnU1OTg4xMdHU1zfQ2tpGXFwcWVkZpKam0dLSQltbG6lpqaxevRqj0UhlZSXXrl3DbrOTk5tLYWEhwcFB1NTUEBYWRnZ2Dvn5+SStSF5Q2e9BRisYsUwoS8Xzy3N3umwbGONyu3iXO4/Tk5G88rxU2e2qNvkUqG62yf0OgJIkq8up/opCS1U6u1vutusuhyD5wnPe/wv3bs97O2Hvm319axWEhUu6gefzL62L4rz+qv9cyvZ3dPnLwr3Eg8kyPiPUrS7N6/X6JasO3luCk7Jf4H/nv5NVxYClmn5+cuv7+3vSPvXrbi5VXGWpNveHMdysMMRS2y9mcT9S1A8WHuvb7lv+ZyLwXgJ/g4W/pXJp/hLtgc9jYMntW937jfc478ENxB96pPz/fOEMeVF7L+4/SxWD0HgwuJNX1cJx4ObvbCXGV9G7/S7HDFmaL+okS34puxvLjD9oyLJWGW3ZWGrAWv5z3I2hO/+CvX/vx/3t/21xP4bu8pzzuzN075d7NXQX8v0auveD35hZakL3bd7DUgbwt33O74JbPXp3YujeCQ9CG93ttd/5vS985u6kwMHNxv8f2rP458rd9KXbObweJB70fqdVRvuBcacdShAEljFXSkPjB4/fE/Zdj8kP+ktA44fB3UwsNDQ0FqIZusvED0W8WkNDQ+N+WezZ/1NlsTf+Vh7b+3kFLOXVXSiHdu/H1tD4tvih9EstdEFDQ0ND41vjXt4wD9ILdP4V+eCGKn0XoXMaGj9EtNAFDQ0NDQ2NW/BDMCB/CNeoofF98QDnymloaGhoaGhoaGjcO5qhq6GhoaGhoaGh8SeJZuhqaGhoaGhoaGj8SaLF6GpoaGhofGvcSvtVQ0ND49tG8+hqaGhoaGhoaGj8SaIZuhoaGhoaGhoaGn+SaKELGhoaDzxLyX1rkkrfL3daejZwO7WMrf8zceE2GhoaGsuNZuhqaGg8sNyqnk3gdw+i0ftdX9+dGIvf9mWohmzA3wv/K/u2md9IlhYZzYJWAEFDQ2P50AxdDQ2NBxx5CYNX0Ayh7wlJUn4Lf/v7fxpJkvB4vOh0Inq9zrfNwn09Hi8Aer0OURR8n3kAQdlH+0k1NDSWGS1GV0NDQ0PjjpBlePvt/+B//s//m6ampgXf9fcP8Ktf/YojR47cdN+qqir+/d/+nZrqWtWT++nBT/nV//Mr6usbwOcR1iYxGhoay4Xm0dXQ0HigcDqddHd3MzDQj15vwGazYbfbMBgMzM7OMjExidlsJrh15HMAABDiSURBVDzcysjICNevDy/Y32g0EhMTg9VqBRRP4/DwMG63m+joaEwmk7rt7OwsQ0NDTE1NIQgCwcHBxMTEYLFYbnmNkiQxNDSETqcjJiZmwXcul4v+/n76+vqwWCwkJycTFha2TK1z98zNOWmob8AabiUjI+2W2zY2NDE6NkZWViYxMdFLHqutrY3w8AjsdrsadwtKm3i9XiRJWrCP7PtTEJTfVpZl9AbFe+tyuamrqycmJobEFQlqzK6GhobGcqEZuhoaGg8M3d3dvPXWW5w7d47IyEjcbjdTU1M8+eSTvPjiC1y92smRI0coKirk0Ud38eWXX/HOO+9gNBoxGAwAZGVlceDAAUpKSgAYGBjg7//+76mvr+ev//qv2blzp3q+pqYm/uVf/pn29naioqKZnp4GYN++fezfv39JA3VqaopPP/2U3/72t+zevZvXXnsNvV4ZSufm5vjoo484fPgwBoOB0dFRcnNzefXVV8nMzFSPsXQoBgHfLz7rvcesyrJERWUFNpuN1NQUdLqbW5Nd3V20tbUTFRV5g6Ery3Ds2DGCg4PZtm0rdXX1TE1NYTQacblcjI6O0tHegSAI6HR6JEkiMTGRtLQ0LJYQZEkxhgVRQBSVa2hra2VifIKYmBiuXu1EFJWQBoNBj91uUycrGhoaGveKZuhqaGg8EIyMjPD2228zODjIP/zDP5CVlYUsy1y4cIGDBw9y/PgJUlJSFuwjiiI7duzgxz/+MXa7Xf3cbxRKkkRjYyNBQUEEBQVx5coVtmzZgtFoVLdNTFzB008/w1NPPYXH4+HixYu888476HQ6fvKTn6hGGcDExARvv/02fX195OfnYzKZVKNVlmUqKytpaWnhZz/7GY8++ih9fX384z/+IydOnCA9PX3BsRYiszBAVflblmUEhPuKXfV6bvSyLnkF8q0T2qanpik7X0Zaehomk4nf/fvvEEWRtPQ0nE4nExMT9A/0K1cuCHi9XnQ6HUlJSZw9e46mpiZaWlro7e2lv7+fxx9/nKNHj3Kt6xoul4uWlhYEQWB0dBRRFHj11VfYtGnTvd+4hoaGBpqhq6Gh8YBQV1dHf38/W7ZsISsrS/189eoScnJyMBj0tLS0+j69MRltKY/n3Nwcra2txMTE8MQTTzA8PExvby+pqakL9vPvq9frKSkp4dSpUwwMDOB2uxeEOpjNZp577jlkWVaN4UDvbFdXF7GxsaxcuRKA2NhYcnNzmZ2dZXx8nMjISPWcXq+X7u5uQDGg29raiIlRtpckL9XV1YyOjpGXm0dWdhZGowGQmZiYpKGhge7ubsxmM7m5uaSmpmI0GpFlJRygo6ODhoYGgoKCSE1JxetLApMkGa/XTVtbKw0NDQgCrFy5ktTUNPR65fhLKV14vRIf/uEPtLS2YDQZ+ef/75+Jio7ipZdeIjMzHVmGnp5e3n77bQoLC3nssccQRaVdJUkmJiYGp9PJN998gyzLJCcnc+nSJa5du8bevXtZu3YtNlsc1jArjU1NHD78+R32Gg0NDY1boxm6GhoaDwTDw8NERUVRVFSkyksJgrAgLAH8y/7zXtSlDDP//j09PYyOjpKZmcm6dev4wx/+QHn5ZVJSkhF8AaGLDWSHw4HD4SAiIuIGD6zJZFKNNkEQFpzb6XQyNjaGLMsEBQWpxw4ODmZgYIChoSHV0PVv/8UXX3DkyBEyMzNJSkrmvffeJzoqGnu8XQkxkOGzg5+xZ+8e9u3bS3NzE7/+9a9xOp1s3PgQ/f39vPXW2zzzzNMcOPAcsgyvv/465eXlbN26FWT44x//yNjYGD/5yU9UA/3kyRPk5eUhSRJvvPEmzz33As899xxe79KeX0EQWLNmDVarlcnJSUZHxygqKiIhIYGe7j7GxsYYHBpkYGCAsLAw6urqsFgs2GxxWCwh5OXlEBkZwR//+Ed6unswm81YrVZKS0tpbW3lP97+D/bt20dxcbGvTTVVDQ0NjftHliXN0NXQ0Pj+cbncTE5MEhIcckNyl2KQzktaCX6xVR/Hjx/n/PnzWCyhgMyaNWs4cOA54uPt1NbWIggiBQUriYuLQxRFWlramJpyEBYWCoDb7WF8fJzBwUGGh4d56623mJ6e5oUXXlxgYPsJDFXwXaH6nSiKmExmTCaz+nd0dAwdHVeZmJhYcAxRFHG73eTk5PLTn/6U7OwcVq4s5PXXf0NuXg4///kv0Ik6Xn/9ddVQ/vjjT8nMzObll/8zUVFRCILA+++/T319Pc3NTczMzDA5OcErr7zCrl2PIggCX3zxBR999DGCIFBfX09LSyt79+7j6aefRhAEPv30E7q6uunoaFeMd0lW/gXMHwRBoLBwJQUFBfzLv/wL+fn5bNu2Fb1eR9mFMi5evKhOLpqbm6mvryc1NZXdu3eTna3EJp88eYpr164xMzvDb37zD/y3//Z/UFRUyNGjR0lKXkF8gp055yxej0fT0dXQ0Fg2NENXQ0Pje0enE9EbjHi8Ek6n68aQVfUP4YZ/q1aV8NRTTxEfH48kSYSFhREZGcnIyAitLa0YjYoXdnZ2jqSkFOrqamlubqa0dA0g0tvby+XLlzl48DOGh4fZtesxfvnL/xObzbZk9S/F2BYRBBFZFgI+FxFFveopDrxuxQkt3HAMszmYvLx8kpNTEARITk5m27aHyc7KUuN/LZZQvF4PY2MTzM7OsmLFCqIio3zHlcnOzqaj4ypDQ9cZGBggPNxKZmY6gqDEKOfn51NTU4sgCHR3deNwOBgaGuLs2bMAjI2N09fXT39//y1/I0mSOXXqFH19faxZs4bOzmuEhITwxBNPsG/fPuWefEl1gghul0c1VruuddPc3EJhYSEJCQmYTCbS01OpqanGYgkmLCyU3/zmN5SUlLBixQr0ev2SkwwNDQ2Nu0EQRM3Q1dDQ+P4RBJGgoCCmpqbo7x8gNjb2FvlX80auKOqIiowmPS0de7xd0WEVFQOwsbGJK9U19PX1UVZWhiiKuFwuJcs/Opbi4mIEAVJT03jmmd2Ulpby29/+FlEUCQkJuZOrBuY9u6IoIgois7OzzM3NERSkeHUdjhksFgvRMVFL3LfgUxpQjGNRENDr9ej0Op9xrSSiebxePB4PJpMZszlI8W/Lkhra4XI5cTgcuF1uTEYTZrPZF9YhERkZgdUahizLeLyK9/rq1U68XkUOTJZlCvILiLcn0NraetNqdIODg3z44YecPHmS8vJyUlJS2LNnD5cuXeLUqVO4XC71PiYnJ3n22WfZt28vM7MSH3zwISaTkcyMYqYd02zatJHU1FR+9atfYbPZ2L59O0NDQ7S2tiBJXgwGg6pkoaGhoXE/aCOJhobG944oCiQkxHP27Fnq6+spLCxUvamzs7NUV9dgMBhuWM72eDx4JS+KQgE+L6aM2+2hsbGR7Ows/tf/+l8LFBneeOMN+vr6GBgYDPDYCkRHR7Nr1y4+eP8DPv/sEM+/8LxavevW+M8tEmIJYbR7lJGRESIiwvF6PVzr7AQgLs62cC+1sph0y1LH/u2MRiNer4fZ2RkkyauGcUxOTiKKIlZrGC6Xi8GhIcbHJkiIT0SvF+nq6qK/rx+7LZ6IiAiysrLYunUrmzY9pMh9BbRpa1sLMktfS2xsDH/7t3/L3/zN3xAeHk5wcDCiKPLmm29SWlrKzp07CQ8PB+Djjz/GZDLh9Xox6A3s3LmT0NBQenp7aG5uRpbhxIkTnDp1Cp1OR3l5OaAk5Y2OjpGQkKAZuhoaGsuCNpJoaGg8EOTnF5CRUcHp06dJTk6mtLQUt8vNocOHOHfuHE8++SQxMTE+L6iA7KtEIIoiCLLiAZWVAgXt7e30dPeSnpHOihWJC7Rji4oK6e7uprKikviEeFV6SxRFCgsLqays5NLlS2TnZLOqeJVi7PpsQVlSytg6nS7cbjder5e5uTn0ej2CIJCdnU1TUyNVVVUkJa3g2rUurl69SnZOjpqgBn4pr9sl1Cn/REFEp9MRHh7OihUrqK+vp7KykuLiVYyOjnLyxEkkSSIlJZWoqBgqK6u4Ul1NekYGIPHVV0e4eOkiq0pKyMzM5MSJE3zzzTdkZmZitVr5+uuvGR8bZ9u2rfiCD5b8fXQ6HXa7DY/Hy8jICOfPn8dqtTI3O6eGi4SHh/vCLSyq4kJQsJlVJUXIMvQP9PnaWyY/P5+/+7u/IzY2loSEBMxmM5cvX6a2thaXy4NWuFNDQ2M50AxdDQ2N7xW/jRcaauHAgQPo9Xpef/11goODkSQJg8HA7md2s/3hh2lrbyMkOETx7iJgNpkXyH/56brWhclkoqAg/4YCCbm5uVRVXqGvv4+o6CiCg4MVaS5Jxmgwsnv3biYnJ7l06TJZmVmEhlpUb3FrWyufffY5jY2NDA4MIooiDfUNbNm6maeeepKCgjwGB/s5ePAghw8fwu12s3btOp588vEF1+Evc2symTAajaoUF4KAyWhaEJ8aHBKMwWjAbDbzF3/xLO+88w6//vU/EBYWxsTEBPHxdn70ox+TmpqK2+1h/fr1HDp0iK+PHUMQBNIzMnjooU0EBQVht9t47LFdfPjhB/yP//F/YTKZEQSBffv2ERMbi06vJyg4CN0ib6rXK9HS0kJFRQWXL1+mu7ubpKQk9u/fjyAqCWgmk4mwsDAEUaCmuobs7GwI8A4vzi1LSUlRZd7m5uZwu92sXLmS2tpaZmYcmM03/q4aGhoad4sg32rNTEPjeyGwS2qZ13/qBI5AsizjcXuZnJpkclIp9RsZGaEWeJC8XlwuN3qD3lcSeA5AjYdVDgJutxuP14vBoPd5Wxee0+Vy4/VKiKKILMno9Dp0vvhSWZZxud0IgoBBb1CMUJ+N6vVKOJ1O3G5PwJK/rMaUiqKAJElMTEwwPj5OSEgIkZGRGI3GG8Iu/CEWAqA36NXv3W43oFQHC/zbaNQjSTIej5eJiQkmJiYIDg5Wjm8w4hejkCSZ0dFRJicnCQ0NVUMoBEH0afHCzMwMo6OjOJ0uIiOjCA+3Aoq2LyjJgYHX6/VKHDx4kEsXL1FUVMTWbVux223odCK/+93v+aa8gvj4eIKCgxBFkfLycjZu3MiPXnyR8Ihwtf3PnTtPXV0dmzZtoqAgXz1+bW0tv/vd76ipqcFiCeU//af/zGOP7cJkMt3w22loaGjcKbIsa4auxoOGvOi/C6WkNP60WUrlYMH3kn/JP1AGIXD7hcPZrSSqZFkxCgUBXyjEjXJh88dZen//5zcbRm99ftm3jC/cUSywotsbeD7Zp+QgzF/jEoe5aVve4n6X3t635aLNKyur8Hq85OTkYLFYkGWZuvo6ZNlLRkYGFotF3ba2tpauri5WrlxJUlKS+rnD4aCpqRGdTkdKShphYaHKJES++fVraGho3I4/a0P3Xl5MGt8F88UA5tGM3T83ZAlk/EUjFn13kxFrKaPzdoZu4L7+/fwG5bc5FNwu+Wyp7wMN3YUTwdtzq3u5YeJwF8e6+W3IC7RwAxPvlAQ4cUExjqV0c2836dHQ0NC4HZLkvXdDN3A3f1KIn5tVHHqQuNVdP8CX/WeAZuhq/HlwO4N88dD8II+nGn/6/Jn6xB5otDHh9tyXoftDR73rRXcvaIm+3wOLu6Bm6GpoaGhoaGjcnsDVuMVIkvfuVReW8uRK0vxJRFH8Qcwy1Et88C/1T5ybzDg0NDQ0NDQ0NO6TuzZ0A41YQdAhyzI63bJek8afHZqRq6GhoaGhobG8yPJ96OjeKuJhqcQCDQ0NDQ0NDQ0NjeXkZvamvxjP/w/Q+w+NP6HTOgAAAABJRU5ErkJggg=="
    }
   },
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "![image.png](attachment:image.png)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# 2. DataLoader加载数据集"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Files already downloaded and verified\n",
      "Files already downloaded and verified\n",
      "训练数据集的长度：50000\n",
      "测试数据集的长度：10000\n"
     ]
    }
   ],
   "source": [
    "import torchvision\n",
    "from torch import nn\n",
    "from torch.utils.data import DataLoader\n",
    "\n",
    "# 准备数据集\n",
    "train_data = torchvision.datasets.CIFAR10(\"./dataset\",train=True,transform=torchvision.transforms.ToTensor(),download=True)       \n",
    "test_data = torchvision.datasets.CIFAR10(\"./dataset\",train=False,transform=torchvision.transforms.ToTensor(),download=True)       \n",
    "\n",
    "# length 长度\n",
    "train_data_size = len(train_data)\n",
    "test_data_size = len(test_data)\n",
    "# 如果train_data_size=10，则打印：训练数据集的长度为：10\n",
    "print(\"训练数据集的长度：{}\".format(train_data_size))\n",
    "print(\"测试数据集的长度：{}\".format(test_data_size))\n",
    "\n",
    "# 利用 Dataloader 来加载数据集\n",
    "train_dataloader = DataLoader(train_data_size, batch_size=64)        \n",
    "test_dataloader = DataLoader(test_data_size, batch_size=64)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# 3. 测试网络正确"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 2,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "torch.Size([64, 10])\n"
     ]
    }
   ],
   "source": [
    "import torch\n",
    "from torch import nn\n",
    "\n",
    "# 搭建神经网络\n",
    "class Tudui(nn.Module):\n",
    "    def __init__(self):\n",
    "        super(Tudui, self).__init__()        \n",
    "        self.model1 = nn.Sequential(\n",
    "            nn.Conv2d(3,32,5,1,2),  # 输入通道3，输出通道32，卷积核尺寸5×5，步长1，填充2    \n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Conv2d(32,32,5,1,2),\n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Conv2d(32,64,5,1,2),\n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Flatten(),  # 展平后变成 64*4*4 了\n",
    "            nn.Linear(64*4*4,64),\n",
    "            nn.Linear(64,10)\n",
    "        )\n",
    "        \n",
    "    def forward(self, x):\n",
    "        x = self.model1(x)\n",
    "        return x\n",
    "    \n",
    "if __name__ == '__main__':\n",
    "    tudui = Tudui()\n",
    "    input = torch.ones((64,3,32,32))\n",
    "    output = tudui(input)\n",
    "    print(output.shape)  # 测试输出的尺寸是不是我们想要的"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# 4. 网络训练数据"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 3,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Files already downloaded and verified\n",
      "Files already downloaded and verified\n",
      "训练数据集的长度：50000\n",
      "测试数据集的长度：10000\n",
      "-----第 1 轮训练开始-----\n",
      "训练次数：1，Loss：2.3299059867858887\n",
      "训练次数：2，Loss：2.3018362522125244\n",
      "训练次数：3，Loss：2.2983856201171875\n",
      "训练次数：4，Loss：2.310598611831665\n",
      "训练次数：5，Loss：2.302191972732544\n",
      "训练次数：6，Loss：2.303790807723999\n",
      "训练次数：7，Loss：2.2937326431274414\n",
      "训练次数：8，Loss：2.285353899002075\n",
      "训练次数：9，Loss：2.3008460998535156\n",
      "训练次数：10，Loss：2.287691116333008\n",
      "训练次数：11，Loss：2.3104374408721924\n",
      "训练次数：12，Loss：2.2906105518341064\n",
      "训练次数：13，Loss：2.3315541744232178\n",
      "训练次数：14，Loss：2.315488815307617\n",
      "训练次数：15，Loss：2.30043888092041\n",
      "训练次数：16，Loss：2.3099758625030518\n",
      "训练次数：17，Loss：2.318608522415161\n",
      "训练次数：18，Loss：2.312786340713501\n",
      "训练次数：19，Loss：2.305506944656372\n",
      "训练次数：20，Loss：2.286158323287964\n",
      "训练次数：21，Loss：2.2990760803222656\n",
      "训练次数：22，Loss：2.292771577835083\n",
      "训练次数：23，Loss：2.29740047454834\n",
      "训练次数：24，Loss：2.3178415298461914\n",
      "训练次数：25，Loss：2.305537700653076\n",
      "训练次数：26，Loss：2.3083934783935547\n",
      "训练次数：27，Loss：2.296882390975952\n",
      "训练次数：28，Loss：2.3064374923706055\n",
      "训练次数：29，Loss：2.3164706230163574\n",
      "训练次数：30，Loss：2.29710054397583\n",
      "训练次数：31，Loss：2.3098485469818115\n",
      "训练次数：32，Loss：2.2966601848602295\n",
      "训练次数：33，Loss：2.3126823902130127\n",
      "训练次数：34，Loss：2.31775164604187\n",
      "训练次数：35，Loss：2.3058218955993652\n",
      "训练次数：36，Loss：2.2940220832824707\n",
      "训练次数：37，Loss：2.3078866004943848\n",
      "训练次数：38，Loss：2.3062171936035156\n",
      "训练次数：39，Loss：2.2826128005981445\n",
      "训练次数：40，Loss：2.322798490524292\n",
      "训练次数：41，Loss：2.302129030227661\n",
      "训练次数：42，Loss：2.293274402618408\n",
      "训练次数：43，Loss：2.3074376583099365\n",
      "训练次数：44，Loss：2.306595802307129\n",
      "训练次数：45，Loss：2.308440923690796\n",
      "训练次数：46，Loss：2.3024537563323975\n",
      "训练次数：47，Loss：2.309048652648926\n",
      "训练次数：48，Loss：2.3002734184265137\n",
      "训练次数：49，Loss：2.310145378112793\n",
      "训练次数：50，Loss：2.3005669116973877\n",
      "训练次数：51，Loss：2.306333541870117\n",
      "训练次数：52，Loss：2.3010079860687256\n",
      "训练次数：53，Loss：2.3016834259033203\n",
      "训练次数：54，Loss：2.3054633140563965\n",
      "训练次数：55，Loss：2.310889959335327\n",
      "训练次数：56，Loss：2.304459810256958\n",
      "训练次数：57，Loss：2.29695725440979\n",
      "训练次数：58，Loss：2.306687355041504\n",
      "训练次数：59，Loss：2.299586296081543\n",
      "训练次数：60，Loss：2.310194253921509\n",
      "训练次数：61，Loss：2.2999770641326904\n",
      "训练次数：62，Loss：2.2912421226501465\n",
      "训练次数：63，Loss：2.3000648021698\n",
      "训练次数：64，Loss：2.3029651641845703\n",
      "训练次数：65，Loss：2.3187732696533203\n",
      "训练次数：66，Loss：2.302055597305298\n",
      "训练次数：67，Loss：2.2804009914398193\n",
      "训练次数：68，Loss：2.2958924770355225\n",
      "训练次数：69，Loss：2.304973840713501\n",
      "训练次数：70，Loss：2.312486410140991\n",
      "训练次数：71，Loss：2.304438829421997\n",
      "训练次数：72，Loss：2.2946014404296875\n",
      "训练次数：73，Loss：2.303915500640869\n",
      "训练次数：74，Loss：2.2963624000549316\n",
      "训练次数：75，Loss：2.298151969909668\n",
      "训练次数：76，Loss：2.2912936210632324\n",
      "训练次数：77，Loss：2.294659376144409\n",
      "训练次数：78，Loss：2.2953453063964844\n",
      "训练次数：79，Loss：2.303128242492676\n",
      "训练次数：80，Loss：2.3078455924987793\n",
      "训练次数：81，Loss：2.3128483295440674\n",
      "训练次数：82，Loss：2.3094112873077393\n",
      "训练次数：83，Loss：2.288151502609253\n",
      "训练次数：84，Loss：2.2850561141967773\n",
      "训练次数：85，Loss：2.307574987411499\n",
      "训练次数：86，Loss：2.2935259342193604\n",
      "训练次数：87，Loss：2.3055336475372314\n",
      "训练次数：88，Loss：2.30717396736145\n",
      "训练次数：89，Loss：2.293139934539795\n",
      "训练次数：90，Loss：2.3036820888519287\n",
      "训练次数：91，Loss：2.2836358547210693\n",
      "训练次数：92，Loss：2.3046040534973145\n",
      "训练次数：93，Loss：2.2929799556732178\n",
      "训练次数：94，Loss：2.2807157039642334\n",
      "训练次数：95，Loss：2.3127975463867188\n",
      "训练次数：96，Loss：2.2958579063415527\n",
      "训练次数：97，Loss：2.298449993133545\n",
      "训练次数：98，Loss：2.304929256439209\n",
      "训练次数：99，Loss：2.3062713146209717\n",
      "训练次数：100，Loss：2.300260066986084\n",
      "训练次数：101，Loss：2.3093199729919434\n",
      "训练次数：102，Loss：2.309932231903076\n",
      "训练次数：103，Loss：2.3089828491210938\n",
      "训练次数：104，Loss：2.3065028190612793\n",
      "训练次数：105，Loss：2.3011741638183594\n",
      "训练次数：106，Loss：2.309077501296997\n",
      "训练次数：107，Loss：2.295560598373413\n",
      "训练次数：108，Loss：2.3017048835754395\n",
      "训练次数：109，Loss：2.3060178756713867\n",
      "训练次数：110，Loss：2.2938525676727295\n",
      "训练次数：111，Loss：2.2979543209075928\n",
      "训练次数：112，Loss：2.309142827987671\n",
      "训练次数：113，Loss：2.303762912750244\n",
      "训练次数：114，Loss：2.3010220527648926\n",
      "训练次数：115，Loss：2.305438756942749\n",
      "训练次数：116，Loss：2.2952020168304443\n",
      "训练次数：117，Loss：2.3026654720306396\n",
      "训练次数：118，Loss：2.294158458709717\n",
      "训练次数：119，Loss：2.2932770252227783\n",
      "训练次数：120，Loss：2.2954463958740234\n",
      "训练次数：121，Loss：2.3004543781280518\n",
      "训练次数：122，Loss：2.3035435676574707\n",
      "训练次数：123，Loss：2.2995617389678955\n",
      "训练次数：124，Loss：2.30790376663208\n",
      "训练次数：125，Loss：2.2892143726348877\n",
      "训练次数：126，Loss：2.302595615386963\n",
      "训练次数：127，Loss：2.2902259826660156\n",
      "训练次数：128，Loss：2.311476469039917\n",
      "训练次数：129，Loss：2.2997777462005615\n",
      "训练次数：130，Loss：2.294060230255127\n",
      "训练次数：131，Loss：2.304283618927002\n",
      "训练次数：132，Loss：2.290736198425293\n",
      "训练次数：133，Loss：2.2980568408966064\n",
      "训练次数：134，Loss：2.281264543533325\n",
      "训练次数：135，Loss：2.2954182624816895\n",
      "训练次数：136，Loss：2.2809276580810547\n",
      "训练次数：137，Loss：2.2986412048339844\n",
      "训练次数：138，Loss：2.3010497093200684\n",
      "训练次数：139，Loss：2.2926042079925537\n",
      "训练次数：140，Loss：2.2879669666290283\n",
      "训练次数：141，Loss：2.300187110900879\n",
      "训练次数：142，Loss：2.2904293537139893\n",
      "训练次数：143，Loss：2.3037686347961426\n",
      "训练次数：144，Loss：2.3058440685272217\n",
      "训练次数：145，Loss：2.2944135665893555\n",
      "训练次数：146，Loss：2.3070576190948486\n",
      "训练次数：147，Loss：2.298339366912842\n",
      "训练次数：148，Loss：2.2864749431610107\n",
      "训练次数：149，Loss：2.2897090911865234\n",
      "训练次数：150，Loss：2.3060977458953857\n",
      "训练次数：151，Loss：2.294865369796753\n",
      "训练次数：152，Loss：2.280426263809204\n",
      "训练次数：153，Loss：2.3068554401397705\n",
      "训练次数：154，Loss：2.2978501319885254\n",
      "训练次数：155，Loss：2.2984933853149414\n",
      "训练次数：156，Loss：2.301605463027954\n",
      "训练次数：157，Loss：2.2950265407562256\n",
      "训练次数：158，Loss：2.2884750366210938\n",
      "训练次数：159，Loss：2.282492160797119\n",
      "训练次数：160，Loss：2.3050732612609863\n",
      "训练次数：161，Loss：2.2776525020599365\n",
      "训练次数：162，Loss：2.2752368450164795\n",
      "训练次数：163，Loss：2.3032288551330566\n",
      "训练次数：164，Loss：2.2997372150421143\n",
      "训练次数：165，Loss：2.294461965560913\n",
      "训练次数：166，Loss：2.292156934738159\n",
      "训练次数：167，Loss：2.276153326034546\n",
      "训练次数：168，Loss：2.301332950592041\n",
      "训练次数：169，Loss：2.2868752479553223\n",
      "训练次数：170，Loss：2.2892491817474365\n",
      "训练次数：171，Loss：2.298704147338867\n",
      "训练次数：172，Loss：2.285155773162842\n",
      "训练次数：173，Loss：2.283578395843506\n",
      "训练次数：174，Loss：2.303832769393921\n",
      "训练次数：175，Loss：2.3059041500091553\n",
      "训练次数：176，Loss：2.286128044128418\n",
      "训练次数：177，Loss：2.289067029953003\n",
      "训练次数：178，Loss：2.3150224685668945\n",
      "训练次数：179，Loss：2.3067777156829834\n",
      "训练次数：180，Loss：2.2994213104248047\n",
      "训练次数：181，Loss：2.2919492721557617\n",
      "训练次数：182，Loss：2.2958824634552\n",
      "训练次数：183，Loss：2.2874956130981445\n",
      "训练次数：184，Loss：2.3123106956481934\n",
      "训练次数：185，Loss：2.298128366470337\n",
      "训练次数：186，Loss：2.2990314960479736\n",
      "训练次数：187，Loss：2.2910873889923096\n",
      "训练次数：188，Loss：2.2910773754119873\n",
      "训练次数：189，Loss：2.2959139347076416\n",
      "训练次数：190，Loss：2.2944557666778564\n",
      "训练次数：191，Loss：2.287872314453125\n",
      "训练次数：192，Loss：2.273454189300537\n",
      "训练次数：193，Loss：2.3019275665283203\n",
      "训练次数：194，Loss：2.2898852825164795\n",
      "训练次数：195，Loss：2.279698610305786\n",
      "训练次数：196，Loss：2.2820968627929688\n",
      "训练次数：197，Loss：2.3040127754211426\n",
      "训练次数：198，Loss：2.2944400310516357\n",
      "训练次数：199，Loss：2.306603193283081\n",
      "训练次数：200，Loss：2.286862850189209\n",
      "训练次数：201，Loss：2.281859874725342\n",
      "训练次数：202，Loss：2.2750532627105713\n",
      "训练次数：203，Loss：2.295332670211792\n",
      "训练次数：204，Loss：2.2791826725006104\n",
      "训练次数：205，Loss：2.281740427017212\n",
      "训练次数：206，Loss：2.299114227294922\n",
      "训练次数：207，Loss：2.2929558753967285\n",
      "训练次数：208，Loss：2.297963857650757\n",
      "训练次数：209，Loss：2.283318281173706\n",
      "训练次数：210，Loss：2.2953009605407715\n",
      "训练次数：211，Loss：2.2872984409332275\n",
      "训练次数：212，Loss：2.2892117500305176\n",
      "训练次数：213，Loss：2.2686092853546143\n",
      "训练次数：214，Loss：2.2977147102355957\n",
      "训练次数：215，Loss：2.2763607501983643\n",
      "训练次数：216，Loss：2.3112378120422363\n",
      "训练次数：217，Loss：2.2815334796905518\n",
      "训练次数：218，Loss：2.2990846633911133\n",
      "训练次数：219，Loss：2.2964279651641846\n",
      "训练次数：220，Loss：2.2899692058563232\n",
      "训练次数：221，Loss：2.3048977851867676\n",
      "训练次数：222，Loss：2.2921648025512695\n",
      "训练次数：223，Loss：2.30191969871521\n",
      "训练次数：224，Loss：2.2882003784179688\n",
      "训练次数：225，Loss：2.296495199203491\n",
      "训练次数：226，Loss：2.2919490337371826\n",
      "训练次数：227，Loss：2.2877871990203857\n",
      "训练次数：228，Loss：2.2829678058624268\n",
      "训练次数：229，Loss：2.2889556884765625\n",
      "训练次数：230，Loss：2.29695200920105\n",
      "训练次数：231，Loss：2.2876715660095215\n",
      "训练次数：232，Loss：2.2931864261627197\n",
      "训练次数：233，Loss：2.27797794342041\n",
      "训练次数：234，Loss：2.3041343688964844\n",
      "训练次数：235，Loss：2.290201187133789\n",
      "训练次数：236，Loss：2.2934536933898926\n",
      "训练次数：237，Loss：2.301241636276245\n",
      "训练次数：238，Loss：2.3050951957702637\n",
      "训练次数：239，Loss：2.283087730407715\n",
      "训练次数：240，Loss：2.2880442142486572\n",
      "训练次数：241，Loss：2.3012588024139404\n",
      "训练次数：242，Loss：2.293797731399536\n",
      "训练次数：243，Loss：2.279834508895874\n",
      "训练次数：244，Loss：2.2954025268554688\n",
      "训练次数：245，Loss：2.274653196334839\n",
      "训练次数：246，Loss：2.291161060333252\n",
      "训练次数：247，Loss：2.2908172607421875\n",
      "训练次数：248，Loss：2.290529727935791\n",
      "训练次数：249，Loss：2.2852139472961426\n",
      "训练次数：250，Loss：2.3024256229400635\n",
      "训练次数：251，Loss：2.280500888824463\n",
      "训练次数：252，Loss：2.261605978012085\n",
      "训练次数：253，Loss：2.2734155654907227\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：254，Loss：2.276651620864868\n",
      "训练次数：255，Loss：2.2920918464660645\n",
      "训练次数：256，Loss：2.292379856109619\n",
      "训练次数：257，Loss：2.2947182655334473\n",
      "训练次数：258，Loss：2.2737269401550293\n",
      "训练次数：259，Loss：2.276481866836548\n",
      "训练次数：260，Loss：2.2916879653930664\n",
      "训练次数：261，Loss：2.2894699573516846\n",
      "训练次数：262，Loss：2.2846686840057373\n",
      "训练次数：263，Loss：2.286881446838379\n",
      "训练次数：264，Loss：2.2897400856018066\n",
      "训练次数：265，Loss：2.2885563373565674\n",
      "训练次数：266，Loss：2.267735719680786\n",
      "训练次数：267，Loss：2.2872536182403564\n",
      "训练次数：268，Loss：2.2832367420196533\n",
      "训练次数：269，Loss：2.277830123901367\n",
      "训练次数：270，Loss：2.2616238594055176\n",
      "训练次数：271，Loss：2.294987916946411\n",
      "训练次数：272，Loss：2.2794108390808105\n",
      "训练次数：273，Loss：2.273865222930908\n",
      "训练次数：274，Loss：2.2733335494995117\n",
      "训练次数：275，Loss：2.3022303581237793\n",
      "训练次数：276，Loss：2.2857823371887207\n",
      "训练次数：277，Loss：2.29938006401062\n",
      "训练次数：278，Loss：2.282853126525879\n",
      "训练次数：279，Loss：2.2951548099517822\n",
      "训练次数：280，Loss：2.2780234813690186\n",
      "训练次数：281，Loss：2.2716073989868164\n",
      "训练次数：282，Loss：2.2831430435180664\n",
      "训练次数：283，Loss：2.2874412536621094\n",
      "训练次数：284，Loss：2.278059244155884\n",
      "训练次数：285，Loss：2.2678756713867188\n",
      "训练次数：286，Loss：2.2828824520111084\n",
      "训练次数：287，Loss：2.288066864013672\n",
      "训练次数：288，Loss：2.272616147994995\n",
      "训练次数：289，Loss：2.2963719367980957\n",
      "训练次数：290，Loss：2.273092746734619\n",
      "训练次数：291，Loss：2.276754856109619\n",
      "训练次数：292，Loss：2.291492223739624\n",
      "训练次数：293，Loss：2.259737491607666\n",
      "训练次数：294，Loss：2.264927864074707\n",
      "训练次数：295，Loss：2.2761716842651367\n",
      "训练次数：296，Loss：2.275442123413086\n",
      "训练次数：297，Loss：2.28678297996521\n",
      "训练次数：298，Loss：2.265345811843872\n",
      "训练次数：299，Loss：2.2535927295684814\n",
      "训练次数：300，Loss：2.2747952938079834\n",
      "训练次数：301，Loss：2.2843823432922363\n",
      "训练次数：302，Loss：2.2811760902404785\n",
      "训练次数：303，Loss：2.2732322216033936\n",
      "训练次数：304，Loss：2.2749907970428467\n",
      "训练次数：305，Loss：2.275400400161743\n",
      "训练次数：306，Loss：2.278247356414795\n",
      "训练次数：307，Loss：2.264477014541626\n",
      "训练次数：308，Loss：2.2822186946868896\n",
      "训练次数：309，Loss：2.259612798690796\n",
      "训练次数：310，Loss：2.2840359210968018\n",
      "训练次数：311，Loss：2.2719626426696777\n",
      "训练次数：312，Loss：2.2803916931152344\n",
      "训练次数：313，Loss：2.276193141937256\n",
      "训练次数：314，Loss：2.2727956771850586\n",
      "训练次数：315，Loss：2.281282663345337\n",
      "训练次数：316，Loss：2.2758266925811768\n",
      "训练次数：317，Loss：2.2621822357177734\n",
      "训练次数：318，Loss：2.2781381607055664\n",
      "训练次数：319，Loss：2.2528209686279297\n",
      "训练次数：320，Loss：2.251739263534546\n",
      "训练次数：321，Loss：2.2681002616882324\n",
      "训练次数：322，Loss：2.286210536956787\n",
      "训练次数：323，Loss：2.2703213691711426\n",
      "训练次数：324，Loss：2.2613210678100586\n",
      "训练次数：325，Loss：2.267246723175049\n",
      "训练次数：326，Loss：2.258568048477173\n",
      "训练次数：327，Loss：2.2789928913116455\n",
      "训练次数：328，Loss：2.258523941040039\n",
      "训练次数：329，Loss：2.2576396465301514\n",
      "训练次数：330，Loss：2.281485080718994\n",
      "训练次数：331，Loss：2.244415760040283\n",
      "训练次数：332，Loss：2.269115924835205\n",
      "训练次数：333，Loss：2.227043867111206\n",
      "训练次数：334，Loss：2.275343418121338\n",
      "训练次数：335，Loss：2.2482309341430664\n",
      "训练次数：336，Loss：2.241680383682251\n",
      "训练次数：337，Loss：2.2611491680145264\n",
      "训练次数：338，Loss：2.273097276687622\n",
      "训练次数：339，Loss：2.250849962234497\n",
      "训练次数：340，Loss：2.2637779712677\n",
      "训练次数：341，Loss：2.2573304176330566\n",
      "训练次数：342，Loss：2.2546169757843018\n",
      "训练次数：343，Loss：2.2583398818969727\n",
      "训练次数：344，Loss：2.27882719039917\n",
      "训练次数：345，Loss：2.267435312271118\n",
      "训练次数：346，Loss：2.2484347820281982\n",
      "训练次数：347，Loss：2.256256103515625\n",
      "训练次数：348，Loss：2.264244318008423\n",
      "训练次数：349，Loss：2.266352415084839\n",
      "训练次数：350，Loss：2.2801995277404785\n",
      "训练次数：351，Loss：2.246431827545166\n",
      "训练次数：352，Loss：2.2537360191345215\n",
      "训练次数：353，Loss：2.2504425048828125\n",
      "训练次数：354，Loss：2.246945858001709\n",
      "训练次数：355，Loss：2.217855453491211\n",
      "训练次数：356，Loss：2.2844371795654297\n",
      "训练次数：357，Loss：2.247915506362915\n",
      "训练次数：358，Loss：2.265819787979126\n",
      "训练次数：359，Loss：2.2643449306488037\n",
      "训练次数：360，Loss：2.2609243392944336\n",
      "训练次数：361，Loss：2.2578372955322266\n",
      "训练次数：362，Loss：2.2251665592193604\n",
      "训练次数：363，Loss：2.2507259845733643\n",
      "训练次数：364，Loss：2.266505002975464\n",
      "训练次数：365，Loss：2.2453839778900146\n",
      "训练次数：366，Loss：2.242893695831299\n",
      "训练次数：367，Loss：2.228970766067505\n",
      "训练次数：368，Loss：2.2665488719940186\n",
      "训练次数：369，Loss：2.222445011138916\n",
      "训练次数：370，Loss：2.244478702545166\n",
      "训练次数：371，Loss：2.243806838989258\n",
      "训练次数：372，Loss：2.2335219383239746\n",
      "训练次数：373，Loss：2.1962480545043945\n",
      "训练次数：374，Loss：2.2346317768096924\n",
      "训练次数：375，Loss：2.2246317863464355\n",
      "训练次数：376，Loss：2.2343251705169678\n",
      "训练次数：377，Loss：2.217984676361084\n",
      "训练次数：378，Loss：2.193356990814209\n",
      "训练次数：379，Loss：2.279216766357422\n",
      "训练次数：380，Loss：2.2247118949890137\n",
      "训练次数：381，Loss：2.2269809246063232\n",
      "训练次数：382，Loss：2.2250308990478516\n",
      "训练次数：383，Loss：2.2178051471710205\n",
      "训练次数：384，Loss：2.207730531692505\n",
      "训练次数：385，Loss：2.195305585861206\n",
      "训练次数：386，Loss：2.218578815460205\n",
      "训练次数：387，Loss：2.2020175457000732\n",
      "训练次数：388，Loss：2.2710938453674316\n",
      "训练次数：389，Loss：2.237117290496826\n",
      "训练次数：390，Loss：2.2367920875549316\n",
      "训练次数：391，Loss：2.2377688884735107\n",
      "训练次数：392，Loss：2.2461869716644287\n",
      "训练次数：393，Loss：2.195751428604126\n",
      "训练次数：394，Loss：2.201244592666626\n",
      "训练次数：395，Loss：2.19427752494812\n",
      "训练次数：396，Loss：2.238478660583496\n",
      "训练次数：397，Loss：2.199218273162842\n",
      "训练次数：398，Loss：2.2464475631713867\n",
      "训练次数：399，Loss：2.1896605491638184\n",
      "训练次数：400，Loss：2.2445831298828125\n",
      "训练次数：401，Loss：2.229262590408325\n",
      "训练次数：402，Loss：2.207867383956909\n",
      "训练次数：403，Loss：2.1766490936279297\n",
      "训练次数：404，Loss：2.17497181892395\n",
      "训练次数：405，Loss：2.2233035564422607\n",
      "训练次数：406，Loss：2.2253875732421875\n",
      "训练次数：407，Loss：2.1852705478668213\n",
      "训练次数：408，Loss：2.185438871383667\n",
      "训练次数：409，Loss：2.1973114013671875\n",
      "训练次数：410，Loss：2.1370491981506348\n",
      "训练次数：411，Loss：2.2517268657684326\n",
      "训练次数：412，Loss：2.1956467628479004\n",
      "训练次数：413，Loss：2.219559907913208\n",
      "训练次数：414，Loss：2.1956002712249756\n",
      "训练次数：415，Loss：2.186795949935913\n",
      "训练次数：416，Loss：2.182490348815918\n",
      "训练次数：417，Loss：2.1787545680999756\n",
      "训练次数：418，Loss：2.1287453174591064\n",
      "训练次数：419，Loss：2.204444646835327\n",
      "训练次数：420，Loss：2.2085604667663574\n",
      "训练次数：421，Loss：2.231441020965576\n",
      "训练次数：422，Loss：2.2244527339935303\n",
      "训练次数：423，Loss：2.191150426864624\n",
      "训练次数：424，Loss：2.219161033630371\n",
      "训练次数：425，Loss：2.1852915287017822\n",
      "训练次数：426，Loss：2.2241532802581787\n",
      "训练次数：427，Loss：2.21488881111145\n",
      "训练次数：428，Loss：2.1660923957824707\n",
      "训练次数：429，Loss：2.2036914825439453\n",
      "训练次数：430，Loss：2.1564269065856934\n",
      "训练次数：431，Loss：2.1484427452087402\n",
      "训练次数：432，Loss：2.1752710342407227\n",
      "训练次数：433，Loss：2.187464714050293\n",
      "训练次数：434，Loss：2.173851251602173\n",
      "训练次数：435，Loss：2.174034357070923\n",
      "训练次数：436，Loss：2.1725847721099854\n",
      "训练次数：437，Loss：2.130031108856201\n",
      "训练次数：438，Loss：2.1604504585266113\n",
      "训练次数：439，Loss：2.173892021179199\n",
      "训练次数：440，Loss：2.164470911026001\n",
      "训练次数：441，Loss：2.196377992630005\n",
      "训练次数：442，Loss：2.1764628887176514\n",
      "训练次数：443，Loss：2.2009007930755615\n",
      "训练次数：444，Loss：2.1284029483795166\n",
      "训练次数：445，Loss：2.133585214614868\n",
      "训练次数：446，Loss：2.1592249870300293\n",
      "训练次数：447，Loss：2.136096715927124\n",
      "训练次数：448，Loss：2.183162212371826\n",
      "训练次数：449，Loss：2.0989742279052734\n",
      "训练次数：450，Loss：2.161994695663452\n",
      "训练次数：451，Loss：2.200087070465088\n",
      "训练次数：452，Loss：2.092630624771118\n",
      "训练次数：453，Loss：2.1494529247283936\n",
      "训练次数：454，Loss：2.1603989601135254\n",
      "训练次数：455，Loss：2.1789000034332275\n",
      "训练次数：456，Loss：2.1249587535858154\n",
      "训练次数：457，Loss：2.187983274459839\n",
      "训练次数：458，Loss：2.152527332305908\n",
      "训练次数：459，Loss：2.090332269668579\n",
      "训练次数：460，Loss：2.107975959777832\n",
      "训练次数：461，Loss：2.101128339767456\n",
      "训练次数：462，Loss：2.1350250244140625\n",
      "训练次数：463，Loss：2.09673810005188\n",
      "训练次数：464，Loss：2.1409459114074707\n",
      "训练次数：465，Loss：2.0819389820098877\n",
      "训练次数：466，Loss：2.1221580505371094\n",
      "训练次数：467，Loss：2.103321075439453\n",
      "训练次数：468，Loss：2.082347869873047\n",
      "训练次数：469，Loss：2.1576366424560547\n",
      "训练次数：470，Loss：2.1228842735290527\n",
      "训练次数：471，Loss：2.0641605854034424\n",
      "训练次数：472，Loss：2.1341021060943604\n",
      "训练次数：473，Loss：2.134676456451416\n",
      "训练次数：474，Loss：2.0895590782165527\n",
      "训练次数：475，Loss：2.0634117126464844\n",
      "训练次数：476，Loss：2.1753289699554443\n",
      "训练次数：477，Loss：2.0931272506713867\n",
      "训练次数：478，Loss：2.155630111694336\n",
      "训练次数：479，Loss：2.1546056270599365\n",
      "训练次数：480，Loss：2.0919625759124756\n",
      "训练次数：481，Loss：2.1873998641967773\n",
      "训练次数：482，Loss：2.1489968299865723\n",
      "训练次数：483，Loss：2.116295576095581\n",
      "训练次数：484，Loss：2.059049606323242\n",
      "训练次数：485，Loss：2.139399290084839\n",
      "训练次数：486，Loss：2.1190197467803955\n",
      "训练次数：487，Loss：2.233876943588257\n",
      "训练次数：488，Loss：2.179001808166504\n",
      "训练次数：489，Loss：2.112375020980835\n",
      "训练次数：490，Loss：2.054370164871216\n",
      "训练次数：491，Loss：2.1166160106658936\n",
      "训练次数：492，Loss：2.0372118949890137\n",
      "训练次数：493，Loss：2.11795973777771\n",
      "训练次数：494，Loss：2.069916248321533\n",
      "训练次数：495，Loss：2.112567663192749\n",
      "训练次数：496，Loss：2.110971450805664\n",
      "训练次数：497，Loss：2.1349937915802\n",
      "训练次数：498，Loss：2.103267192840576\n",
      "训练次数：499，Loss：2.1466526985168457\n",
      "训练次数：500，Loss：2.088392496109009\n",
      "训练次数：501，Loss：2.107361078262329\n",
      "训练次数：502，Loss：2.1133766174316406\n",
      "训练次数：503，Loss：2.0550551414489746\n",
      "训练次数：504，Loss：2.117875099182129\n",
      "训练次数：505，Loss：2.0794286727905273\n",
      "训练次数：506，Loss：1.9643290042877197\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：507，Loss：2.080049753189087\n",
      "训练次数：508，Loss：2.13504958152771\n",
      "训练次数：509，Loss：2.19622802734375\n",
      "训练次数：510，Loss：2.1606388092041016\n",
      "训练次数：511，Loss：2.08717942237854\n",
      "训练次数：512，Loss：1.9604517221450806\n",
      "训练次数：513，Loss：2.1537373065948486\n",
      "训练次数：514，Loss：2.1177618503570557\n",
      "训练次数：515，Loss：2.2401630878448486\n",
      "训练次数：516，Loss：2.02537202835083\n",
      "训练次数：517，Loss：2.1135151386260986\n",
      "训练次数：518，Loss：2.0484378337860107\n",
      "训练次数：519，Loss：1.9872491359710693\n",
      "训练次数：520，Loss：2.0878567695617676\n",
      "训练次数：521，Loss：2.1774821281433105\n",
      "训练次数：522，Loss：2.1669163703918457\n",
      "训练次数：523，Loss：2.0920257568359375\n",
      "训练次数：524，Loss：2.0764260292053223\n",
      "训练次数：525，Loss：2.0373849868774414\n",
      "训练次数：526，Loss：2.1710205078125\n",
      "训练次数：527，Loss：2.0801243782043457\n",
      "训练次数：528，Loss：2.0651378631591797\n",
      "训练次数：529，Loss：2.142825126647949\n",
      "训练次数：530，Loss：2.2416772842407227\n",
      "训练次数：531，Loss：2.1296536922454834\n",
      "训练次数：532，Loss：2.050769329071045\n",
      "训练次数：533，Loss：2.1513543128967285\n",
      "训练次数：534，Loss：1.940685510635376\n",
      "训练次数：535，Loss：2.086989402770996\n",
      "训练次数：536，Loss：2.148232936859131\n",
      "训练次数：537，Loss：2.091404676437378\n",
      "训练次数：538，Loss：2.102790355682373\n",
      "训练次数：539，Loss：2.1509032249450684\n",
      "训练次数：540，Loss：2.083975315093994\n",
      "训练次数：541，Loss：2.087648868560791\n",
      "训练次数：542，Loss：2.1268765926361084\n",
      "训练次数：543，Loss：2.032623529434204\n",
      "训练次数：544，Loss：1.98891019821167\n",
      "训练次数：545，Loss：2.0394036769866943\n",
      "训练次数：546，Loss：2.088765859603882\n",
      "训练次数：547，Loss：2.142012119293213\n",
      "训练次数：548，Loss：2.1829609870910645\n",
      "训练次数：549，Loss：2.0813143253326416\n",
      "训练次数：550，Loss：2.0738494396209717\n",
      "训练次数：551，Loss：2.062300682067871\n",
      "训练次数：552，Loss：2.189505100250244\n",
      "训练次数：553，Loss：2.028982400894165\n",
      "训练次数：554，Loss：2.007502794265747\n",
      "训练次数：555，Loss：2.0453712940216064\n",
      "训练次数：556，Loss：1.9665573835372925\n",
      "训练次数：557，Loss：2.1395609378814697\n",
      "训练次数：558，Loss：2.0545692443847656\n",
      "训练次数：559，Loss：2.106598377227783\n",
      "训练次数：560，Loss：2.0399622917175293\n",
      "训练次数：561，Loss：2.003406286239624\n",
      "训练次数：562，Loss：2.1495046615600586\n",
      "训练次数：563，Loss：2.1467511653900146\n",
      "训练次数：564，Loss：2.2590863704681396\n",
      "训练次数：565，Loss：2.171537399291992\n",
      "训练次数：566，Loss：2.0696277618408203\n",
      "训练次数：567，Loss：2.05117130279541\n",
      "训练次数：568，Loss：2.0265660285949707\n",
      "训练次数：569，Loss：2.021027088165283\n",
      "训练次数：570，Loss：2.12384295463562\n",
      "训练次数：571，Loss：2.1228396892547607\n",
      "训练次数：572，Loss：2.0076231956481934\n",
      "训练次数：573，Loss：2.022852897644043\n",
      "训练次数：574，Loss：2.058405637741089\n",
      "训练次数：575，Loss：1.9959111213684082\n",
      "训练次数：576，Loss：2.1304478645324707\n",
      "训练次数：577，Loss：2.0971994400024414\n",
      "训练次数：578，Loss：2.2303757667541504\n",
      "训练次数：579，Loss：2.0747170448303223\n",
      "训练次数：580，Loss：2.050187826156616\n",
      "训练次数：581，Loss：2.0326006412506104\n",
      "训练次数：582，Loss：2.055983543395996\n",
      "训练次数：583，Loss：2.075937271118164\n",
      "训练次数：584，Loss：2.1063947677612305\n",
      "训练次数：585，Loss：2.0875864028930664\n",
      "训练次数：586，Loss：2.1316912174224854\n",
      "训练次数：587，Loss：2.1206610202789307\n",
      "训练次数：588，Loss：2.124098300933838\n",
      "训练次数：589，Loss：2.1576240062713623\n",
      "训练次数：590，Loss：2.073704957962036\n",
      "训练次数：591，Loss：2.127924680709839\n",
      "训练次数：592，Loss：2.040520429611206\n",
      "训练次数：593，Loss：2.039456605911255\n",
      "训练次数：594，Loss：2.2071545124053955\n",
      "训练次数：595，Loss：2.066237449645996\n",
      "训练次数：596，Loss：2.1406261920928955\n",
      "训练次数：597，Loss：2.083177089691162\n",
      "训练次数：598，Loss：2.0667014122009277\n",
      "训练次数：599，Loss：2.0748250484466553\n",
      "训练次数：600，Loss：2.04613995552063\n",
      "训练次数：601，Loss：2.083775520324707\n",
      "训练次数：602，Loss：2.0332608222961426\n",
      "训练次数：603，Loss：1.9086631536483765\n",
      "训练次数：604，Loss：2.032764196395874\n",
      "训练次数：605，Loss：2.130418062210083\n",
      "训练次数：606，Loss：1.9860801696777344\n",
      "训练次数：607，Loss：1.9846159219741821\n",
      "训练次数：608，Loss：2.0245413780212402\n",
      "训练次数：609，Loss：2.029496192932129\n",
      "训练次数：610，Loss：2.0141043663024902\n",
      "训练次数：611，Loss：1.9643970727920532\n",
      "训练次数：612，Loss：2.1691133975982666\n",
      "训练次数：613，Loss：2.0439751148223877\n",
      "训练次数：614，Loss：2.0594441890716553\n",
      "训练次数：615，Loss：2.0443477630615234\n",
      "训练次数：616，Loss：2.091362476348877\n",
      "训练次数：617，Loss：2.077916383743286\n",
      "训练次数：618，Loss：2.1373138427734375\n",
      "训练次数：619，Loss：2.0243566036224365\n",
      "训练次数：620，Loss：2.137368679046631\n",
      "训练次数：621，Loss：2.1973013877868652\n",
      "训练次数：622，Loss：2.1478588581085205\n",
      "训练次数：623，Loss：2.0383410453796387\n",
      "训练次数：624，Loss：2.0508079528808594\n",
      "训练次数：625，Loss：2.121624231338501\n",
      "训练次数：626，Loss：2.023777484893799\n",
      "训练次数：627，Loss：1.9721095561981201\n",
      "训练次数：628，Loss：2.159914493560791\n",
      "训练次数：629，Loss：2.1425626277923584\n",
      "训练次数：630，Loss：2.031651496887207\n",
      "训练次数：631，Loss：2.1096906661987305\n",
      "训练次数：632，Loss：2.0703539848327637\n",
      "训练次数：633，Loss：1.9919445514678955\n",
      "训练次数：634，Loss：2.0345230102539062\n",
      "训练次数：635，Loss：2.1045095920562744\n",
      "训练次数：636，Loss：1.9404834508895874\n",
      "训练次数：637，Loss：2.2509543895721436\n",
      "训练次数：638，Loss：2.042793035507202\n",
      "训练次数：639，Loss：2.136436939239502\n",
      "训练次数：640，Loss：2.1916894912719727\n",
      "训练次数：641，Loss：2.111177921295166\n",
      "训练次数：642，Loss：2.1918833255767822\n",
      "训练次数：643，Loss：2.0876071453094482\n",
      "训练次数：644，Loss：2.0796303749084473\n",
      "训练次数：645，Loss：2.0080838203430176\n",
      "训练次数：646，Loss：2.132077932357788\n",
      "训练次数：647，Loss：2.020634412765503\n",
      "训练次数：648，Loss：2.0048532485961914\n",
      "训练次数：649，Loss：2.2856783866882324\n",
      "训练次数：650，Loss：2.0219812393188477\n",
      "训练次数：651，Loss：1.9459447860717773\n",
      "训练次数：652，Loss：2.1112489700317383\n",
      "训练次数：653，Loss：1.9794023036956787\n",
      "训练次数：654，Loss：2.000065803527832\n",
      "训练次数：655，Loss：2.0001227855682373\n",
      "训练次数：656，Loss：2.0610713958740234\n",
      "训练次数：657，Loss：2.093653678894043\n",
      "训练次数：658，Loss：1.9584177732467651\n",
      "训练次数：659，Loss：2.079939842224121\n",
      "训练次数：660，Loss：1.931593894958496\n",
      "训练次数：661，Loss：2.0027313232421875\n",
      "训练次数：662，Loss：2.1422176361083984\n",
      "训练次数：663，Loss：1.8958581686019897\n",
      "训练次数：664，Loss：1.8893555402755737\n",
      "训练次数：665，Loss：2.112278461456299\n",
      "训练次数：666，Loss：2.067073345184326\n",
      "训练次数：667，Loss：2.078538417816162\n",
      "训练次数：668，Loss：2.187134027481079\n",
      "训练次数：669，Loss：1.9822136163711548\n",
      "训练次数：670，Loss：2.100816249847412\n",
      "训练次数：671，Loss：2.147991180419922\n",
      "训练次数：672，Loss：2.0159244537353516\n",
      "训练次数：673，Loss：1.9334975481033325\n",
      "训练次数：674，Loss：2.049631357192993\n",
      "训练次数：675，Loss：2.1469855308532715\n",
      "训练次数：676，Loss：2.029358386993408\n",
      "训练次数：677，Loss：1.9741206169128418\n",
      "训练次数：678，Loss：1.8925316333770752\n",
      "训练次数：679，Loss：2.0502371788024902\n",
      "训练次数：680，Loss：2.0567150115966797\n",
      "训练次数：681，Loss：2.113356113433838\n",
      "训练次数：682，Loss：1.9412845373153687\n",
      "训练次数：683，Loss：2.0267627239227295\n",
      "训练次数：684，Loss：1.9340201616287231\n",
      "训练次数：685，Loss：2.0025546550750732\n",
      "训练次数：686，Loss：2.1318247318267822\n",
      "训练次数：687，Loss：2.0094199180603027\n",
      "训练次数：688，Loss：1.887551188468933\n",
      "训练次数：689，Loss：1.9721145629882812\n",
      "训练次数：690，Loss：2.054654359817505\n",
      "训练次数：691，Loss：2.001234292984009\n",
      "训练次数：692，Loss：2.0444753170013428\n",
      "训练次数：693，Loss：2.10213041305542\n",
      "训练次数：694，Loss：2.1098906993865967\n",
      "训练次数：695，Loss：2.0790371894836426\n",
      "训练次数：696，Loss：2.117753028869629\n",
      "训练次数：697，Loss：2.0829405784606934\n",
      "训练次数：698，Loss：2.0394608974456787\n",
      "训练次数：699，Loss：2.005621910095215\n",
      "训练次数：700，Loss：2.0380618572235107\n",
      "训练次数：701，Loss：2.0305798053741455\n",
      "训练次数：702，Loss：2.1771187782287598\n",
      "训练次数：703，Loss：2.0639569759368896\n",
      "训练次数：704，Loss：1.962328553199768\n",
      "训练次数：705，Loss：1.974476933479309\n",
      "训练次数：706，Loss：2.0134429931640625\n",
      "训练次数：707，Loss：2.1212687492370605\n",
      "训练次数：708，Loss：2.0041987895965576\n",
      "训练次数：709，Loss：2.155334949493408\n",
      "训练次数：710，Loss：2.0228331089019775\n",
      "训练次数：711，Loss：2.064875364303589\n",
      "训练次数：712，Loss：2.0597586631774902\n",
      "训练次数：713，Loss：1.9568942785263062\n",
      "训练次数：714，Loss：1.9833261966705322\n",
      "训练次数：715，Loss：1.9528999328613281\n",
      "训练次数：716，Loss：2.1317241191864014\n",
      "训练次数：717，Loss：2.051391839981079\n",
      "训练次数：718，Loss：2.0375864505767822\n",
      "训练次数：719，Loss：1.9562569856643677\n",
      "训练次数：720，Loss：2.036144733428955\n",
      "训练次数：721，Loss：1.949231743812561\n",
      "训练次数：722，Loss：2.0197970867156982\n",
      "训练次数：723，Loss：1.932917833328247\n",
      "训练次数：724，Loss：2.058846950531006\n",
      "训练次数：725，Loss：2.0513503551483154\n",
      "训练次数：726，Loss：1.8515957593917847\n",
      "训练次数：727，Loss：2.166660785675049\n",
      "训练次数：728，Loss：2.1198642253875732\n",
      "训练次数：729，Loss：1.8766047954559326\n",
      "训练次数：730，Loss：2.1531293392181396\n",
      "训练次数：731，Loss：1.9149945974349976\n",
      "训练次数：732，Loss：1.9811233282089233\n",
      "训练次数：733，Loss：2.1164791584014893\n",
      "训练次数：734，Loss：1.9778015613555908\n",
      "训练次数：735，Loss：1.9050689935684204\n",
      "训练次数：736，Loss：2.216088056564331\n",
      "训练次数：737，Loss：2.012286901473999\n",
      "训练次数：738，Loss：2.065463066101074\n",
      "训练次数：739，Loss：1.8736515045166016\n",
      "训练次数：740，Loss：1.9484251737594604\n",
      "训练次数：741，Loss：1.989214301109314\n",
      "训练次数：742，Loss：2.0269079208374023\n",
      "训练次数：743，Loss：2.094200849533081\n",
      "训练次数：744，Loss：1.97636079788208\n",
      "训练次数：745，Loss：1.9451701641082764\n",
      "训练次数：746，Loss：1.9948607683181763\n",
      "训练次数：747，Loss：1.8602944612503052\n",
      "训练次数：748，Loss：2.278390645980835\n",
      "训练次数：749，Loss：2.107511520385742\n",
      "训练次数：750，Loss：1.9604700803756714\n",
      "训练次数：751，Loss：2.240243434906006\n",
      "训练次数：752，Loss：2.2355871200561523\n",
      "训练次数：753，Loss：1.9713213443756104\n",
      "训练次数：754，Loss：1.9916337728500366\n",
      "训练次数：755，Loss：2.0262773036956787\n",
      "训练次数：756，Loss：1.9135044813156128\n",
      "训练次数：757，Loss：2.0863990783691406\n",
      "训练次数：758，Loss：1.8976606130599976\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：759，Loss：1.934494972229004\n",
      "训练次数：760，Loss：2.0560684204101562\n",
      "训练次数：761，Loss：1.9995250701904297\n",
      "训练次数：762，Loss：2.0021119117736816\n",
      "训练次数：763，Loss：2.147458791732788\n",
      "训练次数：764，Loss：2.038159132003784\n",
      "训练次数：765，Loss：1.9460877180099487\n",
      "训练次数：766，Loss：2.068439245223999\n",
      "训练次数：767，Loss：2.1420323848724365\n",
      "训练次数：768，Loss：2.0517892837524414\n",
      "训练次数：769，Loss：1.9274462461471558\n",
      "训练次数：770，Loss：1.943812370300293\n",
      "训练次数：771，Loss：1.994820237159729\n",
      "训练次数：772，Loss：1.9304299354553223\n",
      "训练次数：773，Loss：2.0605850219726562\n",
      "训练次数：774，Loss：2.0497400760650635\n",
      "训练次数：775，Loss：2.0961081981658936\n",
      "训练次数：776，Loss：1.9281277656555176\n",
      "训练次数：777，Loss：2.0774924755096436\n",
      "训练次数：778，Loss：2.0410759449005127\n",
      "训练次数：779，Loss：2.1226587295532227\n",
      "训练次数：780，Loss：2.0455377101898193\n",
      "训练次数：781，Loss：2.1226439476013184\n",
      "训练次数：782，Loss：2.1010429859161377\n",
      "-----第 2 轮训练开始-----\n",
      "训练次数：783，Loss：2.0878143310546875\n",
      "训练次数：784，Loss：1.8932205438613892\n",
      "训练次数：785，Loss：2.0417253971099854\n",
      "训练次数：786，Loss：1.823210597038269\n",
      "训练次数：787，Loss：1.903414011001587\n",
      "训练次数：788，Loss：1.9213969707489014\n",
      "训练次数：789，Loss：1.9736847877502441\n",
      "训练次数：790，Loss：1.932672381401062\n",
      "训练次数：791，Loss：1.9930707216262817\n",
      "训练次数：792，Loss：2.029038667678833\n",
      "训练次数：793，Loss：2.036262273788452\n",
      "训练次数：794，Loss：1.9372822046279907\n",
      "训练次数：795，Loss：2.13527774810791\n",
      "训练次数：796，Loss：2.075673818588257\n",
      "训练次数：797，Loss：1.9121878147125244\n",
      "训练次数：798，Loss：1.9188505411148071\n",
      "训练次数：799，Loss：1.8609527349472046\n",
      "训练次数：800，Loss：1.9304612874984741\n",
      "训练次数：801，Loss：2.016956090927124\n",
      "训练次数：802，Loss：1.9471789598464966\n",
      "训练次数：803，Loss：1.9553793668746948\n",
      "训练次数：804，Loss：1.9430851936340332\n",
      "训练次数：805，Loss：1.9034781455993652\n",
      "训练次数：806，Loss：2.0203909873962402\n",
      "训练次数：807，Loss：1.9550285339355469\n",
      "训练次数：808，Loss：1.9184340238571167\n",
      "训练次数：809，Loss：2.049147367477417\n",
      "训练次数：810，Loss：2.0983283519744873\n",
      "训练次数：811，Loss：1.9893670082092285\n",
      "训练次数：812，Loss：2.0090537071228027\n",
      "训练次数：813，Loss：2.084097385406494\n",
      "训练次数：814，Loss：2.236997127532959\n",
      "训练次数：815，Loss：2.2170190811157227\n",
      "训练次数：816，Loss：1.8730478286743164\n",
      "训练次数：817，Loss：1.9045138359069824\n",
      "训练次数：818，Loss：2.1020724773406982\n",
      "训练次数：819，Loss：2.007223129272461\n",
      "训练次数：820，Loss：1.8368492126464844\n",
      "训练次数：821，Loss：1.8664777278900146\n",
      "训练次数：822，Loss：2.084946393966675\n",
      "训练次数：823，Loss：2.047313928604126\n",
      "训练次数：824，Loss：2.0210938453674316\n",
      "训练次数：825，Loss：1.9916490316390991\n",
      "训练次数：826，Loss：1.9610304832458496\n",
      "训练次数：827，Loss：1.87894606590271\n",
      "训练次数：828，Loss：1.9658379554748535\n",
      "训练次数：829，Loss：2.0788650512695312\n",
      "训练次数：830，Loss：1.867936134338379\n",
      "训练次数：831，Loss：2.0397770404815674\n",
      "训练次数：832，Loss：2.0456349849700928\n",
      "训练次数：833，Loss：2.015040397644043\n",
      "训练次数：834，Loss：1.947580099105835\n",
      "训练次数：835，Loss：1.8680765628814697\n",
      "训练次数：836，Loss：2.15585994720459\n",
      "训练次数：837，Loss：1.959428071975708\n",
      "训练次数：838，Loss：1.9713561534881592\n",
      "训练次数：839，Loss：1.9797204732894897\n",
      "训练次数：840，Loss：2.069819211959839\n",
      "训练次数：841，Loss：1.8295161724090576\n",
      "训练次数：842，Loss：1.867539882659912\n",
      "训练次数：843，Loss：2.0439717769622803\n",
      "训练次数：844，Loss：2.074361562728882\n",
      "训练次数：845，Loss：1.9484150409698486\n",
      "训练次数：846，Loss：2.002749443054199\n",
      "训练次数：847，Loss：1.9479310512542725\n",
      "训练次数：848，Loss：1.8900995254516602\n",
      "训练次数：849，Loss：1.89708411693573\n",
      "训练次数：850，Loss：2.0186524391174316\n",
      "训练次数：851，Loss：1.9954187870025635\n",
      "训练次数：852，Loss：1.9734376668930054\n",
      "训练次数：853，Loss：2.041440963745117\n",
      "训练次数：854，Loss：1.9346565008163452\n",
      "训练次数：855，Loss：1.9747180938720703\n",
      "训练次数：856，Loss：1.9407869577407837\n",
      "训练次数：857，Loss：1.9015467166900635\n",
      "训练次数：858，Loss：2.005863904953003\n",
      "训练次数：859，Loss：1.930296778678894\n",
      "训练次数：860，Loss：1.9076275825500488\n",
      "训练次数：861，Loss：1.9231449365615845\n",
      "训练次数：862，Loss：2.053783893585205\n",
      "训练次数：863，Loss：2.050297498703003\n",
      "训练次数：864，Loss：2.131011724472046\n",
      "训练次数：865，Loss：1.960842490196228\n",
      "训练次数：866，Loss：1.8439514636993408\n",
      "训练次数：867，Loss：1.8875755071640015\n",
      "训练次数：868，Loss：2.0300121307373047\n",
      "训练次数：869，Loss：2.0559189319610596\n",
      "训练次数：870，Loss：1.773701548576355\n",
      "训练次数：871，Loss：1.8669865131378174\n",
      "训练次数：872，Loss：2.0115582942962646\n",
      "训练次数：873，Loss：2.012470006942749\n",
      "训练次数：874，Loss：1.9274226427078247\n",
      "训练次数：875，Loss：1.9930917024612427\n",
      "训练次数：876，Loss：1.8545119762420654\n",
      "训练次数：877，Loss：2.203665018081665\n",
      "训练次数：878，Loss：2.1884543895721436\n",
      "训练次数：879，Loss：1.8998854160308838\n",
      "训练次数：880，Loss：1.9684618711471558\n",
      "训练次数：881，Loss：1.9117170572280884\n",
      "训练次数：882，Loss：2.0142242908477783\n",
      "训练次数：883，Loss：1.986763834953308\n",
      "训练次数：884，Loss：1.8565469980239868\n",
      "训练次数：885，Loss：1.9469667673110962\n",
      "训练次数：886，Loss：2.0431973934173584\n",
      "训练次数：887，Loss：2.035667657852173\n",
      "训练次数：888，Loss：1.8748457431793213\n",
      "训练次数：889，Loss：2.023336172103882\n",
      "训练次数：890，Loss：2.1010634899139404\n",
      "训练次数：891，Loss：1.9674222469329834\n",
      "训练次数：892，Loss：1.853325366973877\n",
      "训练次数：893，Loss：1.8899383544921875\n",
      "训练次数：894，Loss：1.961570382118225\n",
      "训练次数：895，Loss：1.9951175451278687\n",
      "训练次数：896，Loss：1.7670722007751465\n",
      "训练次数：897，Loss：1.974161982536316\n",
      "训练次数：898，Loss：2.0463478565216064\n",
      "训练次数：899，Loss：1.952578067779541\n",
      "训练次数：900，Loss：1.8916194438934326\n",
      "训练次数：901，Loss：2.1089394092559814\n",
      "训练次数：902，Loss：2.0669608116149902\n",
      "训练次数：903，Loss：1.953320026397705\n",
      "训练次数：904，Loss：1.9687305688858032\n",
      "训练次数：905，Loss：2.0329434871673584\n",
      "训练次数：906，Loss：1.986265778541565\n",
      "训练次数：907，Loss：1.8946880102157593\n",
      "训练次数：908，Loss：1.8960037231445312\n",
      "训练次数：909，Loss：1.865744948387146\n",
      "训练次数：910，Loss：1.9440637826919556\n",
      "训练次数：911，Loss：1.9203740358352661\n",
      "训练次数：912，Loss：1.912216305732727\n",
      "训练次数：913，Loss：2.1043081283569336\n",
      "训练次数：914，Loss：2.089585304260254\n",
      "训练次数：915，Loss：2.2747299671173096\n",
      "训练次数：916，Loss：1.9140214920043945\n",
      "训练次数：917，Loss：1.935451865196228\n",
      "训练次数：918，Loss：1.9849361181259155\n",
      "训练次数：919，Loss：1.9816043376922607\n",
      "训练次数：920，Loss：1.9498674869537354\n",
      "训练次数：921，Loss：1.9518245458602905\n",
      "训练次数：922，Loss：2.1011955738067627\n",
      "训练次数：923，Loss：2.145561695098877\n",
      "训练次数：924，Loss：2.0240767002105713\n",
      "训练次数：925，Loss：1.9130645990371704\n",
      "训练次数：926，Loss：1.8478763103485107\n",
      "训练次数：927，Loss：1.871019959449768\n",
      "训练次数：928，Loss：2.04695200920105\n",
      "训练次数：929，Loss：1.9222761392593384\n",
      "训练次数：930，Loss：2.1317026615142822\n",
      "训练次数：931，Loss：1.8499221801757812\n",
      "训练次数：932，Loss：2.0614728927612305\n",
      "训练次数：933，Loss：1.9358148574829102\n",
      "训练次数：934，Loss：1.8978444337844849\n",
      "训练次数：935，Loss：2.0521373748779297\n",
      "训练次数：936，Loss：1.872929334640503\n",
      "训练次数：937，Loss：1.8355977535247803\n",
      "训练次数：938，Loss：1.9975930452346802\n",
      "训练次数：939，Loss：1.9681650400161743\n",
      "训练次数：940，Loss：1.9689922332763672\n",
      "训练次数：941，Loss：2.0785276889801025\n",
      "训练次数：942，Loss：2.165415048599243\n",
      "训练次数：943，Loss：2.10172438621521\n",
      "训练次数：944，Loss：1.9274498224258423\n",
      "训练次数：945，Loss：1.9759844541549683\n",
      "训练次数：946，Loss：2.0809803009033203\n",
      "训练次数：947，Loss：1.9297764301300049\n",
      "训练次数：948，Loss：1.9974945783615112\n",
      "训练次数：949，Loss：1.9006801843643188\n",
      "训练次数：950，Loss：1.8687405586242676\n",
      "训练次数：951，Loss：1.9701787233352661\n",
      "训练次数：952，Loss：1.9157485961914062\n",
      "训练次数：953，Loss：1.9432381391525269\n",
      "训练次数：954，Loss：1.8756557703018188\n",
      "训练次数：955，Loss：1.8718763589859009\n",
      "训练次数：956，Loss：2.034365177154541\n",
      "训练次数：957，Loss：1.9919005632400513\n",
      "训练次数：958，Loss：1.9277592897415161\n",
      "训练次数：959，Loss：1.9280521869659424\n",
      "训练次数：960，Loss：1.9900552034378052\n",
      "训练次数：961，Loss：1.9640436172485352\n",
      "训练次数：962，Loss：1.9433226585388184\n",
      "训练次数：963，Loss：1.893946886062622\n",
      "训练次数：964，Loss：1.8147361278533936\n",
      "训练次数：965，Loss：1.9068466424942017\n",
      "训练次数：966，Loss：1.8371191024780273\n",
      "训练次数：967，Loss：2.0142621994018555\n",
      "训练次数：968，Loss：2.1109631061553955\n",
      "训练次数：969，Loss：1.9599641561508179\n",
      "训练次数：970，Loss：1.8976422548294067\n",
      "训练次数：971，Loss：2.078605890274048\n",
      "训练次数：972，Loss：2.0098464488983154\n",
      "训练次数：973，Loss：1.7866780757904053\n",
      "训练次数：974，Loss：1.9730778932571411\n",
      "训练次数：975，Loss：2.0322670936584473\n",
      "训练次数：976，Loss：1.8034669160842896\n",
      "训练次数：977，Loss：1.894040822982788\n",
      "训练次数：978，Loss：1.9799425601959229\n",
      "训练次数：979，Loss：1.9294946193695068\n",
      "训练次数：980，Loss：1.8662773370742798\n",
      "训练次数：981，Loss：1.9454998970031738\n",
      "训练次数：982，Loss：2.003347158432007\n",
      "训练次数：983，Loss：1.7947642803192139\n",
      "训练次数：984，Loss：2.031973123550415\n",
      "训练次数：985，Loss：1.9417439699172974\n",
      "训练次数：986，Loss：2.0125880241394043\n",
      "训练次数：987，Loss：1.8277626037597656\n",
      "训练次数：988，Loss：2.029366970062256\n",
      "训练次数：989，Loss：1.9331895112991333\n",
      "训练次数：990，Loss：1.8758583068847656\n",
      "训练次数：991，Loss：1.9644113779067993\n",
      "训练次数：992，Loss：2.0903847217559814\n",
      "训练次数：993，Loss：1.8790498971939087\n",
      "训练次数：994，Loss：2.051663637161255\n",
      "训练次数：995，Loss：1.8695485591888428\n",
      "训练次数：996，Loss：1.9340686798095703\n",
      "训练次数：997，Loss：1.9184074401855469\n",
      "训练次数：998，Loss：2.0499420166015625\n",
      "训练次数：999，Loss：1.84788978099823\n",
      "训练次数：1000，Loss：1.9920425415039062\n",
      "训练次数：1001，Loss：1.9717425107955933\n",
      "训练次数：1002，Loss：1.8868284225463867\n",
      "训练次数：1003，Loss：2.0497522354125977\n",
      "训练次数：1004，Loss：1.8986902236938477\n",
      "训练次数：1005，Loss：1.957037329673767\n",
      "训练次数：1006，Loss：2.0925633907318115\n",
      "训练次数：1007，Loss：2.250535488128662\n",
      "训练次数：1008，Loss：2.0666959285736084\n",
      "训练次数：1009，Loss：1.8228188753128052\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：1010，Loss：1.8342539072036743\n",
      "训练次数：1011，Loss：1.9226385354995728\n",
      "训练次数：1012，Loss：2.0979416370391846\n",
      "训练次数：1013，Loss：1.988268494606018\n",
      "训练次数：1014，Loss：1.85997474193573\n",
      "训练次数：1015，Loss：1.9200576543807983\n",
      "训练次数：1016，Loss：1.9893524646759033\n",
      "训练次数：1017，Loss：2.0215158462524414\n",
      "训练次数：1018，Loss：2.0954697132110596\n",
      "训练次数：1019，Loss：2.1690032482147217\n",
      "训练次数：1020，Loss：1.9422663450241089\n",
      "训练次数：1021，Loss：1.9412519931793213\n",
      "训练次数：1022，Loss：1.953891396522522\n",
      "训练次数：1023，Loss：2.0631794929504395\n",
      "训练次数：1024，Loss：1.891971230506897\n",
      "训练次数：1025，Loss：1.8537653684616089\n",
      "训练次数：1026，Loss：2.1298911571502686\n",
      "训练次数：1027，Loss：1.8452050685882568\n",
      "训练次数：1028，Loss：1.8494501113891602\n",
      "训练次数：1029，Loss：1.9840680360794067\n",
      "训练次数：1030，Loss：1.9313158988952637\n",
      "训练次数：1031，Loss：1.8935831785202026\n",
      "训练次数：1032，Loss：2.0589919090270996\n",
      "训练次数：1033，Loss：1.896726369857788\n",
      "训练次数：1034，Loss：1.8639185428619385\n",
      "训练次数：1035，Loss：1.9617531299591064\n",
      "训练次数：1036，Loss：1.950738787651062\n",
      "训练次数：1037，Loss：1.984634518623352\n",
      "训练次数：1038，Loss：1.9140784740447998\n",
      "训练次数：1039，Loss：1.9986056089401245\n",
      "训练次数：1040，Loss：1.8482598066329956\n",
      "训练次数：1041，Loss：2.033845901489258\n",
      "训练次数：1042，Loss：2.0961923599243164\n",
      "训练次数：1043，Loss：1.9851235151290894\n",
      "训练次数：1044，Loss：2.0700809955596924\n",
      "训练次数：1045，Loss：1.9591063261032104\n",
      "训练次数：1046，Loss：2.0495498180389404\n",
      "训练次数：1047，Loss：1.8012698888778687\n",
      "训练次数：1048，Loss：1.8182051181793213\n",
      "训练次数：1049，Loss：1.9985557794570923\n",
      "训练次数：1050，Loss：2.0007975101470947\n",
      "训练次数：1051，Loss：2.0300991535186768\n",
      "训练次数：1052，Loss：1.8537054061889648\n",
      "训练次数：1053，Loss：2.093273639678955\n",
      "训练次数：1054，Loss：2.013735294342041\n",
      "训练次数：1055，Loss：1.8817414045333862\n",
      "训练次数：1056，Loss：1.925527811050415\n",
      "训练次数：1057，Loss：1.9557291269302368\n",
      "训练次数：1058，Loss：1.953615665435791\n",
      "训练次数：1059，Loss：2.053581476211548\n",
      "训练次数：1060，Loss：1.9126383066177368\n",
      "训练次数：1061，Loss：1.9763832092285156\n",
      "训练次数：1062，Loss：1.8168444633483887\n",
      "训练次数：1063，Loss：1.8197485208511353\n",
      "训练次数：1064，Loss：1.8458799123764038\n",
      "训练次数：1065，Loss：1.9207146167755127\n",
      "训练次数：1066，Loss：1.9588521718978882\n",
      "训练次数：1067，Loss：1.8309305906295776\n",
      "训练次数：1068，Loss：1.8613743782043457\n",
      "训练次数：1069，Loss：2.038501262664795\n",
      "训练次数：1070，Loss：1.9091684818267822\n",
      "训练次数：1071，Loss：1.9386265277862549\n",
      "训练次数：1072，Loss：1.9271785020828247\n",
      "训练次数：1073，Loss：1.8753782510757446\n",
      "训练次数：1074，Loss：2.00543475151062\n",
      "训练次数：1075，Loss：1.8971747159957886\n",
      "训练次数：1076，Loss：1.7962342500686646\n",
      "训练次数：1077，Loss：1.915973424911499\n",
      "训练次数：1078，Loss：1.8105417490005493\n",
      "训练次数：1079，Loss：2.0919291973114014\n",
      "训练次数：1080，Loss：1.9390225410461426\n",
      "训练次数：1081，Loss：1.8327218294143677\n",
      "训练次数：1082，Loss：1.9234979152679443\n",
      "训练次数：1083，Loss：1.9951496124267578\n",
      "训练次数：1084，Loss：2.0125436782836914\n",
      "训练次数：1085，Loss：1.918655276298523\n",
      "训练次数：1086，Loss：1.7848045825958252\n",
      "训练次数：1087，Loss：1.7817715406417847\n",
      "训练次数：1088，Loss：1.9591169357299805\n",
      "训练次数：1089，Loss：1.7725872993469238\n",
      "训练次数：1090，Loss：1.896528959274292\n",
      "训练次数：1091，Loss：1.8078563213348389\n",
      "训练次数：1092，Loss：1.8453571796417236\n",
      "训练次数：1093，Loss：1.8813892602920532\n",
      "训练次数：1094，Loss：1.76119065284729\n",
      "训练次数：1095，Loss：1.9747644662857056\n",
      "训练次数：1096，Loss：1.9480946063995361\n",
      "训练次数：1097，Loss：1.767838478088379\n",
      "训练次数：1098，Loss：2.020272731781006\n",
      "训练次数：1099，Loss：1.7821377515792847\n",
      "训练次数：1100，Loss：1.9703763723373413\n",
      "训练次数：1101，Loss：1.7268575429916382\n",
      "训练次数：1102，Loss：1.8928349018096924\n",
      "训练次数：1103，Loss：1.8512585163116455\n",
      "训练次数：1104，Loss：1.9523916244506836\n",
      "训练次数：1105，Loss：1.8487235307693481\n",
      "训练次数：1106，Loss：2.0157346725463867\n",
      "训练次数：1107，Loss：1.8276039361953735\n",
      "训练次数：1108，Loss：1.719892978668213\n",
      "训练次数：1109，Loss：1.8516545295715332\n",
      "训练次数：1110，Loss：1.785266637802124\n",
      "训练次数：1111，Loss：1.891858458518982\n",
      "训练次数：1112，Loss：1.9849919080734253\n",
      "训练次数：1113，Loss：1.8527530431747437\n",
      "训练次数：1114，Loss：1.8504148721694946\n",
      "训练次数：1115，Loss：1.7379307746887207\n",
      "训练次数：1116，Loss：1.9377796649932861\n",
      "训练次数：1117，Loss：1.8083508014678955\n",
      "训练次数：1118，Loss：1.929849624633789\n",
      "训练次数：1119，Loss：1.9273074865341187\n",
      "训练次数：1120，Loss：1.762911081314087\n",
      "训练次数：1121，Loss：1.7677514553070068\n",
      "训练次数：1122，Loss：1.678329586982727\n",
      "训练次数：1123，Loss：1.936463713645935\n",
      "训练次数：1124，Loss：2.0380334854125977\n",
      "训练次数：1125，Loss：1.8583652973175049\n",
      "训练次数：1126，Loss：1.923027515411377\n",
      "训练次数：1127，Loss：1.8578740358352661\n",
      "训练次数：1128，Loss：1.7538959980010986\n",
      "训练次数：1129，Loss：1.891929268836975\n",
      "训练次数：1130，Loss：1.903061032295227\n",
      "训练次数：1131，Loss：1.951215386390686\n",
      "训练次数：1132，Loss：1.8129299879074097\n",
      "训练次数：1133，Loss：1.8341913223266602\n",
      "训练次数：1134，Loss：1.8471007347106934\n",
      "训练次数：1135，Loss：1.7559058666229248\n",
      "训练次数：1136，Loss：1.9526127576828003\n",
      "训练次数：1137，Loss：1.7719684839248657\n",
      "训练次数：1138，Loss：1.9361075162887573\n",
      "训练次数：1139，Loss：1.8034807443618774\n",
      "训练次数：1140，Loss：1.9015822410583496\n",
      "训练次数：1141，Loss：1.934134602546692\n",
      "训练次数：1142，Loss：1.9548496007919312\n",
      "训练次数：1143，Loss：1.860287070274353\n",
      "训练次数：1144，Loss：1.7231285572052002\n",
      "训练次数：1145，Loss：2.054318428039551\n",
      "训练次数：1146，Loss：1.8515552282333374\n",
      "训练次数：1147，Loss：1.5957673788070679\n",
      "训练次数：1148，Loss：1.7422016859054565\n",
      "训练次数：1149，Loss：1.8734920024871826\n",
      "训练次数：1150，Loss：2.0003421306610107\n",
      "训练次数：1151，Loss：1.635470986366272\n",
      "训练次数：1152，Loss：1.7951651811599731\n",
      "训练次数：1153，Loss：1.8092408180236816\n",
      "训练次数：1154，Loss：1.9451560974121094\n",
      "训练次数：1155，Loss：1.8957606554031372\n",
      "训练次数：1156，Loss：1.8415814638137817\n",
      "训练次数：1157，Loss：2.024242877960205\n",
      "训练次数：1158，Loss：1.849247694015503\n",
      "训练次数：1159，Loss：1.9129897356033325\n",
      "训练次数：1160，Loss：1.8494255542755127\n",
      "训练次数：1161，Loss：1.9328696727752686\n",
      "训练次数：1162，Loss：1.913649559020996\n",
      "训练次数：1163，Loss：1.930317997932434\n",
      "训练次数：1164，Loss：1.8218002319335938\n",
      "训练次数：1165，Loss：1.827185034751892\n",
      "训练次数：1166，Loss：1.7208696603775024\n",
      "训练次数：1167，Loss：1.8245787620544434\n",
      "训练次数：1168，Loss：1.9018033742904663\n",
      "训练次数：1169，Loss：1.8247795104980469\n",
      "训练次数：1170，Loss：2.033484935760498\n",
      "训练次数：1171，Loss：1.923925757408142\n",
      "训练次数：1172，Loss：1.7914866209030151\n",
      "训练次数：1173，Loss：1.8665411472320557\n",
      "训练次数：1174，Loss：1.838977336883545\n",
      "训练次数：1175，Loss：1.8089197874069214\n",
      "训练次数：1176，Loss：1.865829348564148\n",
      "训练次数：1177，Loss：1.7468483448028564\n",
      "训练次数：1178，Loss：1.8248640298843384\n",
      "训练次数：1179，Loss：1.7868099212646484\n",
      "训练次数：1180，Loss：1.903754472732544\n",
      "训练次数：1181，Loss：1.7060014009475708\n",
      "训练次数：1182，Loss：1.8658064603805542\n",
      "训练次数：1183，Loss：2.0485048294067383\n",
      "训练次数：1184，Loss：1.9001773595809937\n",
      "训练次数：1185，Loss：1.9275609254837036\n",
      "训练次数：1186，Loss：1.8141703605651855\n",
      "训练次数：1187，Loss：1.933681845664978\n",
      "训练次数：1188，Loss：1.7788461446762085\n",
      "训练次数：1189，Loss：1.7912505865097046\n",
      "训练次数：1190，Loss：1.6108965873718262\n",
      "训练次数：1191，Loss：1.7815680503845215\n",
      "训练次数：1192，Loss：1.7471507787704468\n",
      "训练次数：1193，Loss：1.9570107460021973\n",
      "训练次数：1194，Loss：1.8054087162017822\n",
      "训练次数：1195，Loss：1.9366110563278198\n",
      "训练次数：1196，Loss：1.8710107803344727\n",
      "训练次数：1197，Loss：2.0148770809173584\n",
      "训练次数：1198，Loss：1.9762510061264038\n",
      "训练次数：1199，Loss：1.9617213010787964\n",
      "训练次数：1200，Loss：1.758252501487732\n",
      "训练次数：1201，Loss：1.7956554889678955\n",
      "训练次数：1202，Loss：1.8808484077453613\n",
      "训练次数：1203，Loss：1.8948520421981812\n",
      "训练次数：1204，Loss：1.9335765838623047\n",
      "训练次数：1205，Loss：1.9547370672225952\n",
      "训练次数：1206，Loss：1.8331637382507324\n",
      "训练次数：1207，Loss：1.8058472871780396\n",
      "训练次数：1208，Loss：1.9069514274597168\n",
      "训练次数：1209，Loss：1.9715241193771362\n",
      "训练次数：1210，Loss：1.736449122428894\n",
      "训练次数：1211，Loss：1.9514743089675903\n",
      "训练次数：1212，Loss：1.9389671087265015\n",
      "训练次数：1213，Loss：1.893908977508545\n",
      "训练次数：1214，Loss：1.8518915176391602\n",
      "训练次数：1215，Loss：2.001091957092285\n",
      "训练次数：1216，Loss：1.842621922492981\n",
      "训练次数：1217，Loss：1.774242877960205\n",
      "训练次数：1218，Loss：2.0597524642944336\n",
      "训练次数：1219，Loss：2.090193271636963\n",
      "训练次数：1220，Loss：1.9317443370819092\n",
      "训练次数：1221，Loss：1.866578459739685\n",
      "训练次数：1222，Loss：1.902212381362915\n",
      "训练次数：1223，Loss：2.000365734100342\n",
      "训练次数：1224，Loss：1.8776373863220215\n",
      "训练次数：1225，Loss：1.8605225086212158\n",
      "训练次数：1226，Loss：1.7317559719085693\n",
      "训练次数：1227，Loss：1.8964810371398926\n",
      "训练次数：1228，Loss：1.9140211343765259\n",
      "训练次数：1229，Loss：1.872789978981018\n",
      "训练次数：1230，Loss：1.8515163660049438\n",
      "训练次数：1231，Loss：1.6917999982833862\n",
      "训练次数：1232，Loss：1.9445348978042603\n",
      "训练次数：1233，Loss：1.7423402070999146\n",
      "训练次数：1234，Loss：1.674169659614563\n",
      "训练次数：1235，Loss：1.8439953327178955\n",
      "训练次数：1236，Loss：1.8657692670822144\n",
      "训练次数：1237，Loss：1.9219573736190796\n",
      "训练次数：1238，Loss：1.7280962467193604\n",
      "训练次数：1239，Loss：1.9056575298309326\n",
      "训练次数：1240，Loss：1.7496000528335571\n",
      "训练次数：1241，Loss：1.8154728412628174\n",
      "训练次数：1242，Loss：1.77182137966156\n",
      "训练次数：1243，Loss：1.9118413925170898\n",
      "训练次数：1244，Loss：1.878860354423523\n",
      "训练次数：1245，Loss：1.8426200151443481\n",
      "训练次数：1246，Loss：1.8198813199996948\n",
      "训练次数：1247，Loss：1.782955527305603\n",
      "训练次数：1248，Loss：1.727275013923645\n",
      "训练次数：1249，Loss：1.935289978981018\n",
      "训练次数：1250，Loss：1.747786283493042\n",
      "训练次数：1251，Loss：1.7392281293869019\n",
      "训练次数：1252，Loss：1.9095913171768188\n",
      "训练次数：1253，Loss：1.7907301187515259\n",
      "训练次数：1254，Loss：1.8993586301803589\n",
      "训练次数：1255，Loss：1.6849793195724487\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：1256，Loss：1.8875852823257446\n",
      "训练次数：1257，Loss：1.7297972440719604\n",
      "训练次数：1258，Loss：1.9401980638504028\n",
      "训练次数：1259，Loss：1.84554922580719\n",
      "训练次数：1260，Loss：2.1502153873443604\n",
      "训练次数：1261，Loss：2.1660289764404297\n",
      "训练次数：1262，Loss：1.8992183208465576\n",
      "训练次数：1263，Loss：1.900866150856018\n",
      "训练次数：1264，Loss：1.9810700416564941\n",
      "训练次数：1265，Loss：1.930509090423584\n",
      "训练次数：1266，Loss：1.7322657108306885\n",
      "训练次数：1267，Loss：1.7608318328857422\n",
      "训练次数：1268，Loss：1.7474899291992188\n",
      "训练次数：1269，Loss：2.0730478763580322\n",
      "训练次数：1270，Loss：2.0162181854248047\n",
      "训练次数：1271，Loss：1.8390239477157593\n",
      "训练次数：1272，Loss：1.7208298444747925\n",
      "训练次数：1273，Loss：2.046449661254883\n",
      "训练次数：1274，Loss：1.8632593154907227\n",
      "训练次数：1275，Loss：1.8054256439208984\n",
      "训练次数：1276，Loss：1.7019072771072388\n",
      "训练次数：1277，Loss：1.8036834001541138\n",
      "训练次数：1278，Loss：1.7898770570755005\n",
      "训练次数：1279，Loss：1.8929158449172974\n",
      "训练次数：1280，Loss：1.9447907209396362\n",
      "训练次数：1281，Loss：2.0617096424102783\n",
      "训练次数：1282，Loss：1.8367925882339478\n",
      "训练次数：1283，Loss：1.7768640518188477\n",
      "训练次数：1284，Loss：1.9174777269363403\n",
      "训练次数：1285，Loss：1.7356995344161987\n",
      "训练次数：1286，Loss：2.014624834060669\n",
      "训练次数：1287，Loss：1.7602720260620117\n",
      "训练次数：1288，Loss：1.7495522499084473\n",
      "训练次数：1289，Loss：1.7888855934143066\n",
      "训练次数：1290，Loss：1.8580468893051147\n",
      "训练次数：1291，Loss：2.0293147563934326\n",
      "训练次数：1292，Loss：1.978421926498413\n",
      "训练次数：1293，Loss：1.9251930713653564\n",
      "训练次数：1294，Loss：1.7203813791275024\n",
      "训练次数：1295，Loss：1.9382394552230835\n",
      "训练次数：1296，Loss：1.8885934352874756\n",
      "训练次数：1297，Loss：2.022559404373169\n",
      "训练次数：1298，Loss：1.747480034828186\n",
      "训练次数：1299，Loss：1.9688572883605957\n",
      "训练次数：1300，Loss：1.7264236211776733\n",
      "训练次数：1301，Loss：1.6926215887069702\n",
      "训练次数：1302，Loss：1.8249530792236328\n",
      "训练次数：1303，Loss：1.9034565687179565\n",
      "训练次数：1304，Loss：1.8959221839904785\n",
      "训练次数：1305，Loss：1.8611491918563843\n",
      "训练次数：1306，Loss：1.8817365169525146\n",
      "训练次数：1307，Loss：1.888832926750183\n",
      "训练次数：1308，Loss：1.9664512872695923\n",
      "训练次数：1309，Loss：1.8535287380218506\n",
      "训练次数：1310，Loss：1.8624714612960815\n",
      "训练次数：1311，Loss：1.8616307973861694\n",
      "训练次数：1312，Loss：2.1156513690948486\n",
      "训练次数：1313，Loss：2.190040349960327\n",
      "训练次数：1314，Loss：2.0177507400512695\n",
      "训练次数：1315，Loss：1.9389094114303589\n",
      "训练次数：1316，Loss：1.6288857460021973\n",
      "训练次数：1317，Loss：1.7675472497940063\n",
      "训练次数：1318，Loss：1.7796844244003296\n",
      "训练次数：1319，Loss：1.8359955549240112\n",
      "训练次数：1320，Loss：1.6945921182632446\n",
      "训练次数：1321，Loss：1.8637609481811523\n",
      "训练次数：1322，Loss：1.8042540550231934\n",
      "训练次数：1323，Loss：1.8609168529510498\n",
      "训练次数：1324，Loss：1.9026741981506348\n",
      "训练次数：1325，Loss：1.75108003616333\n",
      "训练次数：1326，Loss：1.6819663047790527\n",
      "训练次数：1327，Loss：1.8244985342025757\n",
      "训练次数：1328，Loss：1.7083802223205566\n",
      "训练次数：1329，Loss：1.9190930128097534\n",
      "训练次数：1330，Loss：1.8952062129974365\n",
      "训练次数：1331，Loss：1.8272165060043335\n",
      "训练次数：1332，Loss：1.7671961784362793\n",
      "训练次数：1333，Loss：1.778991460800171\n",
      "训练次数：1334，Loss：2.030219078063965\n",
      "训练次数：1335，Loss：1.7952874898910522\n",
      "训练次数：1336，Loss：1.8901760578155518\n",
      "训练次数：1337，Loss：1.7356529235839844\n",
      "训练次数：1338，Loss：1.6950457096099854\n",
      "训练次数：1339，Loss：1.9794083833694458\n",
      "训练次数：1340，Loss：1.873363733291626\n",
      "训练次数：1341，Loss：1.8803735971450806\n",
      "训练次数：1342，Loss：1.741794228553772\n",
      "训练次数：1343，Loss：1.6628130674362183\n",
      "训练次数：1344，Loss：1.805364727973938\n",
      "训练次数：1345，Loss：1.9511277675628662\n",
      "训练次数：1346，Loss：1.9057859182357788\n",
      "训练次数：1347，Loss：1.9127936363220215\n",
      "训练次数：1348，Loss：1.8424874544143677\n",
      "训练次数：1349，Loss：1.763645887374878\n",
      "训练次数：1350，Loss：1.8176579475402832\n",
      "训练次数：1351，Loss：1.7589046955108643\n",
      "训练次数：1352，Loss：1.6736390590667725\n",
      "训练次数：1353，Loss：1.7573431730270386\n",
      "训练次数：1354，Loss：1.6934565305709839\n",
      "训练次数：1355，Loss：1.7386223077774048\n",
      "训练次数：1356，Loss：1.8487863540649414\n",
      "训练次数：1357，Loss：1.8542416095733643\n",
      "训练次数：1358，Loss：1.871368646621704\n",
      "训练次数：1359，Loss：1.8635776042938232\n",
      "训练次数：1360，Loss：1.94327974319458\n",
      "训练次数：1361，Loss：1.7064061164855957\n",
      "训练次数：1362，Loss：1.7945679426193237\n",
      "训练次数：1363，Loss：1.8479970693588257\n",
      "训练次数：1364，Loss：1.8018227815628052\n",
      "训练次数：1365，Loss：1.6920790672302246\n",
      "训练次数：1366，Loss：1.9252692461013794\n",
      "训练次数：1367，Loss：1.8560212850570679\n",
      "训练次数：1368，Loss：1.7113914489746094\n",
      "训练次数：1369，Loss：1.9329372644424438\n",
      "训练次数：1370，Loss：1.828777551651001\n",
      "训练次数：1371，Loss：1.8791464567184448\n",
      "训练次数：1372，Loss：1.80491304397583\n",
      "训练次数：1373，Loss：1.884467363357544\n",
      "训练次数：1374，Loss：1.71285080909729\n",
      "训练次数：1375，Loss：1.8320069313049316\n",
      "训练次数：1376，Loss：2.035834312438965\n",
      "训练次数：1377，Loss：1.8606435060501099\n",
      "训练次数：1378，Loss：1.9990737438201904\n",
      "训练次数：1379，Loss：1.7670012712478638\n",
      "训练次数：1380，Loss：1.8846725225448608\n",
      "训练次数：1381，Loss：1.8244041204452515\n",
      "训练次数：1382，Loss：1.875737190246582\n",
      "训练次数：1383，Loss：1.9686720371246338\n",
      "训练次数：1384，Loss：1.6871562004089355\n",
      "训练次数：1385，Loss：1.6044373512268066\n",
      "训练次数：1386，Loss：1.8055051565170288\n",
      "训练次数：1387，Loss：1.9212764501571655\n",
      "训练次数：1388，Loss：1.6787585020065308\n",
      "训练次数：1389，Loss：1.6381467580795288\n",
      "训练次数：1390，Loss：1.7701754570007324\n",
      "训练次数：1391，Loss：1.7737295627593994\n",
      "训练次数：1392，Loss：1.8175631761550903\n",
      "训练次数：1393，Loss：1.7638814449310303\n",
      "训练次数：1394，Loss：2.020267963409424\n",
      "训练次数：1395，Loss：1.9208906888961792\n",
      "训练次数：1396，Loss：1.7563204765319824\n",
      "训练次数：1397，Loss：1.8853356838226318\n",
      "训练次数：1398，Loss：1.7875747680664062\n",
      "训练次数：1399，Loss：1.7977356910705566\n",
      "训练次数：1400，Loss：1.803797960281372\n",
      "训练次数：1401，Loss：1.778263807296753\n",
      "训练次数：1402，Loss：1.9376124143600464\n",
      "训练次数：1403，Loss：1.8590383529663086\n",
      "训练次数：1404，Loss：1.9202758073806763\n",
      "训练次数：1405，Loss：1.6812713146209717\n",
      "训练次数：1406，Loss：1.8533298969268799\n",
      "训练次数：1407，Loss：1.9107500314712524\n",
      "训练次数：1408，Loss：1.6343326568603516\n",
      "训练次数：1409，Loss：1.7156132459640503\n",
      "训练次数：1410，Loss：1.9472343921661377\n",
      "训练次数：1411，Loss：1.909698247909546\n",
      "训练次数：1412，Loss：1.751333236694336\n",
      "训练次数：1413，Loss：1.891613245010376\n",
      "训练次数：1414，Loss：1.9337762594223022\n",
      "训练次数：1415，Loss：1.7739375829696655\n",
      "训练次数：1416，Loss：1.646127700805664\n",
      "训练次数：1417，Loss：1.8251324892044067\n",
      "训练次数：1418，Loss：1.7120134830474854\n",
      "训练次数：1419，Loss：2.180004835128784\n",
      "训练次数：1420，Loss：1.9114899635314941\n",
      "训练次数：1421，Loss：1.8286124467849731\n",
      "训练次数：1422，Loss：1.9801830053329468\n",
      "训练次数：1423，Loss：1.885629653930664\n",
      "训练次数：1424，Loss：1.9542685747146606\n",
      "训练次数：1425，Loss：1.8627676963806152\n",
      "训练次数：1426，Loss：1.7834739685058594\n",
      "训练次数：1427，Loss：1.7131110429763794\n",
      "训练次数：1428，Loss：2.1721928119659424\n",
      "训练次数：1429，Loss：1.671345829963684\n",
      "训练次数：1430，Loss：1.7600306272506714\n",
      "训练次数：1431，Loss：1.8583803176879883\n",
      "训练次数：1432，Loss：1.8473455905914307\n",
      "训练次数：1433，Loss：1.7432438135147095\n",
      "训练次数：1434，Loss：1.8920179605484009\n",
      "训练次数：1435，Loss：1.6004730463027954\n",
      "训练次数：1436，Loss：1.6646943092346191\n",
      "训练次数：1437，Loss：1.7904911041259766\n",
      "训练次数：1438，Loss：1.9499374628067017\n",
      "训练次数：1439，Loss：1.9464759826660156\n",
      "训练次数：1440，Loss：1.7514100074768066\n",
      "训练次数：1441，Loss：1.9488945007324219\n",
      "训练次数：1442，Loss：1.889394760131836\n",
      "训练次数：1443，Loss：2.1057658195495605\n",
      "训练次数：1444，Loss：1.7939519882202148\n",
      "训练次数：1445，Loss：1.6148655414581299\n",
      "训练次数：1446，Loss：1.6931254863739014\n",
      "训练次数：1447，Loss：1.946641445159912\n",
      "训练次数：1448，Loss：1.8451241254806519\n",
      "训练次数：1449，Loss：1.721811056137085\n",
      "训练次数：1450，Loss：1.8644988536834717\n",
      "训练次数：1451，Loss：1.8327248096466064\n",
      "训练次数：1452，Loss：1.7993983030319214\n",
      "训练次数：1453，Loss：1.8603876829147339\n",
      "训练次数：1454，Loss：1.7492170333862305\n",
      "训练次数：1455，Loss：1.6729414463043213\n",
      "训练次数：1456，Loss：1.7528265714645386\n",
      "训练次数：1457，Loss：1.8120731115341187\n",
      "训练次数：1458，Loss：1.7652463912963867\n",
      "训练次数：1459，Loss：1.653703212738037\n",
      "训练次数：1460，Loss：1.6060885190963745\n",
      "训练次数：1461，Loss：1.8031901121139526\n",
      "训练次数：1462，Loss：1.9209738969802856\n",
      "训练次数：1463，Loss：1.8849949836730957\n",
      "训练次数：1464，Loss：1.5528854131698608\n",
      "训练次数：1465，Loss：1.771147608757019\n",
      "训练次数：1466，Loss：1.6783719062805176\n",
      "训练次数：1467，Loss：1.8280999660491943\n",
      "训练次数：1468，Loss：2.0789763927459717\n",
      "训练次数：1469，Loss：1.8583143949508667\n",
      "训练次数：1470，Loss：1.6781638860702515\n",
      "训练次数：1471，Loss：1.7669113874435425\n",
      "训练次数：1472，Loss：1.8441612720489502\n",
      "训练次数：1473，Loss：1.8740038871765137\n",
      "训练次数：1474，Loss：1.903230905532837\n",
      "训练次数：1475，Loss：1.9914965629577637\n",
      "训练次数：1476，Loss：2.036885976791382\n",
      "训练次数：1477，Loss：1.8564499616622925\n",
      "训练次数：1478，Loss：1.7607675790786743\n",
      "训练次数：1479，Loss：1.7581714391708374\n",
      "训练次数：1480，Loss：1.8052796125411987\n",
      "训练次数：1481，Loss：1.7419098615646362\n",
      "训练次数：1482，Loss：1.8650851249694824\n",
      "训练次数：1483，Loss：1.8418774604797363\n",
      "训练次数：1484，Loss：1.8922152519226074\n",
      "训练次数：1485，Loss：1.7432609796524048\n",
      "训练次数：1486，Loss：1.5803618431091309\n",
      "训练次数：1487，Loss：1.7166273593902588\n",
      "训练次数：1488，Loss：1.832537055015564\n",
      "训练次数：1489，Loss：1.8974930047988892\n",
      "训练次数：1490，Loss：1.7572757005691528\n",
      "训练次数：1491，Loss：1.8036152124404907\n",
      "训练次数：1492，Loss：1.7678006887435913\n",
      "训练次数：1493，Loss：1.837781310081482\n",
      "训练次数：1494，Loss：1.8455990552902222\n",
      "训练次数：1495，Loss：1.7153680324554443\n",
      "训练次数：1496，Loss：1.706989049911499\n",
      "训练次数：1497，Loss：1.7014579772949219\n",
      "训练次数：1498，Loss：1.8887426853179932\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：1499，Loss：1.8029974699020386\n",
      "训练次数：1500，Loss：1.8692764043807983\n",
      "训练次数：1501，Loss：1.7454493045806885\n",
      "训练次数：1502，Loss：1.8182666301727295\n",
      "训练次数：1503，Loss：1.566670536994934\n",
      "训练次数：1504，Loss：1.7986804246902466\n",
      "训练次数：1505，Loss：1.6333297491073608\n",
      "训练次数：1506，Loss：1.9230384826660156\n",
      "训练次数：1507，Loss：1.7792179584503174\n",
      "训练次数：1508，Loss：1.6989635229110718\n",
      "训练次数：1509，Loss：1.8939838409423828\n",
      "训练次数：1510，Loss：2.014080286026001\n",
      "训练次数：1511，Loss：1.653477668762207\n",
      "训练次数：1512，Loss：1.897768497467041\n",
      "训练次数：1513，Loss：1.6126937866210938\n",
      "训练次数：1514，Loss：1.753516674041748\n",
      "训练次数：1515，Loss：1.870181679725647\n",
      "训练次数：1516，Loss：1.7697725296020508\n",
      "训练次数：1517，Loss：1.6866711378097534\n",
      "训练次数：1518，Loss：1.9483288526535034\n",
      "训练次数：1519，Loss：1.664982557296753\n",
      "训练次数：1520，Loss：1.870952844619751\n",
      "训练次数：1521，Loss：1.641289234161377\n",
      "训练次数：1522，Loss：1.6184680461883545\n",
      "训练次数：1523，Loss：1.7773829698562622\n",
      "训练次数：1524，Loss：1.7356359958648682\n",
      "训练次数：1525，Loss：1.8548800945281982\n",
      "训练次数：1526，Loss：1.7677860260009766\n",
      "训练次数：1527，Loss：1.698021650314331\n",
      "训练次数：1528，Loss：1.7245495319366455\n",
      "训练次数：1529，Loss：1.5372395515441895\n",
      "训练次数：1530，Loss：2.0367043018341064\n",
      "训练次数：1531，Loss：1.9035027027130127\n",
      "训练次数：1532，Loss：1.7080758810043335\n",
      "训练次数：1533，Loss：1.984508991241455\n",
      "训练次数：1534，Loss：1.9293439388275146\n",
      "训练次数：1535，Loss：1.7679826021194458\n",
      "训练次数：1536，Loss：1.8483809232711792\n",
      "训练次数：1537，Loss：1.8168364763259888\n",
      "训练次数：1538，Loss：1.8514913320541382\n",
      "训练次数：1539，Loss：2.058642864227295\n",
      "训练次数：1540，Loss：1.6592427492141724\n",
      "训练次数：1541，Loss：1.7861361503601074\n",
      "训练次数：1542，Loss：1.9007357358932495\n",
      "训练次数：1543，Loss：1.7619999647140503\n",
      "训练次数：1544，Loss：1.822186827659607\n",
      "训练次数：1545，Loss：1.9197577238082886\n",
      "训练次数：1546，Loss：1.763230800628662\n",
      "训练次数：1547，Loss：1.6915322542190552\n",
      "训练次数：1548，Loss：1.8475490808486938\n",
      "训练次数：1549，Loss：1.865302562713623\n",
      "训练次数：1550，Loss：1.825169324874878\n",
      "训练次数：1551，Loss：1.6392890214920044\n",
      "训练次数：1552，Loss：1.589404582977295\n",
      "训练次数：1553，Loss：1.7879246473312378\n",
      "训练次数：1554，Loss：1.6725149154663086\n",
      "训练次数：1555，Loss：1.7352126836776733\n",
      "训练次数：1556，Loss：1.7542524337768555\n",
      "训练次数：1557，Loss：1.7315380573272705\n",
      "训练次数：1558，Loss：1.6305515766143799\n",
      "训练次数：1559，Loss：1.9240432977676392\n",
      "训练次数：1560，Loss：1.8508845567703247\n",
      "训练次数：1561，Loss：1.8362983465194702\n",
      "训练次数：1562，Loss：1.6391022205352783\n",
      "训练次数：1563，Loss：1.8635512590408325\n",
      "训练次数：1564，Loss：2.218357801437378\n",
      "-----第 3 轮训练开始-----\n",
      "训练次数：1565，Loss：1.9309566020965576\n",
      "训练次数：1566，Loss：1.8227077722549438\n",
      "训练次数：1567，Loss：1.9470105171203613\n",
      "训练次数：1568，Loss：1.649490475654602\n",
      "训练次数：1569，Loss：1.5999339818954468\n",
      "训练次数：1570，Loss：1.6305807828903198\n",
      "训练次数：1571，Loss：1.6755152940750122\n",
      "训练次数：1572，Loss：1.7559692859649658\n",
      "训练次数：1573，Loss：1.6855472326278687\n",
      "训练次数：1574，Loss：1.796319842338562\n",
      "训练次数：1575，Loss：1.8011016845703125\n",
      "训练次数：1576，Loss：1.7503371238708496\n",
      "训练次数：1577，Loss：1.8226114511489868\n",
      "训练次数：1578，Loss：1.8717589378356934\n",
      "训练次数：1579，Loss：1.710020661354065\n",
      "训练次数：1580，Loss：1.5942449569702148\n",
      "训练次数：1581，Loss：1.6449739933013916\n",
      "训练次数：1582，Loss：1.6929889917373657\n",
      "训练次数：1583，Loss：1.7827479839324951\n",
      "训练次数：1584，Loss：1.6198067665100098\n",
      "训练次数：1585，Loss：1.7832627296447754\n",
      "训练次数：1586，Loss：1.7515084743499756\n",
      "训练次数：1587，Loss：1.717486023902893\n",
      "训练次数：1588，Loss：1.7614530324935913\n",
      "训练次数：1589，Loss：1.703345775604248\n",
      "训练次数：1590，Loss：1.6884100437164307\n",
      "训练次数：1591，Loss：1.8146228790283203\n",
      "训练次数：1592，Loss：1.7882558107376099\n",
      "训练次数：1593，Loss：1.6493035554885864\n",
      "训练次数：1594，Loss：1.7705743312835693\n",
      "训练次数：1595，Loss：1.8843202590942383\n",
      "训练次数：1596，Loss：2.0214180946350098\n",
      "训练次数：1597，Loss：1.9980367422103882\n",
      "训练次数：1598，Loss：1.6336336135864258\n",
      "训练次数：1599，Loss：1.7118031978607178\n",
      "训练次数：1600，Loss：1.8025623559951782\n",
      "训练次数：1601，Loss：1.761473536491394\n",
      "训练次数：1602，Loss：1.5965368747711182\n",
      "训练次数：1603，Loss：1.6186447143554688\n",
      "训练次数：1604，Loss：1.8803730010986328\n",
      "训练次数：1605，Loss：1.7867525815963745\n",
      "训练次数：1606，Loss：1.789027214050293\n",
      "训练次数：1607，Loss：1.754510760307312\n",
      "训练次数：1608，Loss：1.8266957998275757\n",
      "训练次数：1609，Loss：1.6068847179412842\n",
      "训练次数：1610，Loss：1.6710522174835205\n",
      "训练次数：1611，Loss：1.8353818655014038\n",
      "训练次数：1612，Loss：1.6896469593048096\n",
      "训练次数：1613，Loss：1.8191208839416504\n",
      "训练次数：1614，Loss：1.8148623704910278\n",
      "训练次数：1615，Loss：1.7428386211395264\n",
      "训练次数：1616，Loss：1.72942054271698\n",
      "训练次数：1617，Loss：1.7536163330078125\n",
      "训练次数：1618，Loss：1.8853020668029785\n",
      "训练次数：1619，Loss：1.644370436668396\n",
      "训练次数：1620，Loss：1.6431760787963867\n",
      "训练次数：1621，Loss：1.7930413484573364\n",
      "训练次数：1622，Loss：1.7796375751495361\n",
      "训练次数：1623，Loss：1.5984543561935425\n",
      "训练次数：1624，Loss：1.6778466701507568\n",
      "训练次数：1625，Loss：1.8531018495559692\n",
      "训练次数：1626，Loss：1.9763742685317993\n",
      "训练次数：1627，Loss：1.8098222017288208\n",
      "训练次数：1628，Loss：1.6934341192245483\n",
      "训练次数：1629，Loss：1.7512619495391846\n",
      "训练次数：1630，Loss：1.653663158416748\n",
      "训练次数：1631，Loss：1.7149137258529663\n",
      "训练次数：1632，Loss：1.7681530714035034\n",
      "训练次数：1633，Loss：1.705678939819336\n",
      "训练次数：1634，Loss：1.6439228057861328\n",
      "训练次数：1635，Loss：1.9220107793807983\n",
      "训练次数：1636，Loss：1.6122852563858032\n",
      "训练次数：1637，Loss：1.6759504079818726\n",
      "训练次数：1638，Loss：1.684788703918457\n",
      "训练次数：1639，Loss：1.643250823020935\n",
      "训练次数：1640，Loss：1.7406538724899292\n",
      "训练次数：1641，Loss：1.7687536478042603\n",
      "训练次数：1642，Loss：1.7750816345214844\n",
      "训练次数：1643，Loss：1.5951727628707886\n",
      "训练次数：1644，Loss：1.9196909666061401\n",
      "训练次数：1645，Loss：1.8332792520523071\n",
      "训练次数：1646，Loss：1.8100348711013794\n",
      "训练次数：1647，Loss：1.884228229522705\n",
      "训练次数：1648，Loss：1.5317120552062988\n",
      "训练次数：1649，Loss：1.7162699699401855\n",
      "训练次数：1650，Loss：1.7916853427886963\n",
      "训练次数：1651，Loss：1.7395232915878296\n",
      "训练次数：1652，Loss：1.5302255153656006\n",
      "训练次数：1653，Loss：1.643358588218689\n",
      "训练次数：1654，Loss：1.73529851436615\n",
      "训练次数：1655，Loss：1.770559310913086\n",
      "训练次数：1656，Loss：1.6556974649429321\n",
      "训练次数：1657，Loss：1.6751230955123901\n",
      "训练次数：1658，Loss：1.583648920059204\n",
      "训练次数：1659，Loss：1.801600456237793\n",
      "训练次数：1660，Loss：1.813545823097229\n",
      "训练次数：1661，Loss：1.5396982431411743\n",
      "训练次数：1662，Loss：1.742018222808838\n",
      "训练次数：1663，Loss：1.6191790103912354\n",
      "训练次数：1664，Loss：1.7355005741119385\n",
      "训练次数：1665，Loss：1.7068564891815186\n",
      "训练次数：1666，Loss：1.6054471731185913\n",
      "训练次数：1667，Loss：1.8385225534439087\n",
      "训练次数：1668，Loss：2.084003448486328\n",
      "训练次数：1669，Loss：2.528336524963379\n",
      "训练次数：1670，Loss：1.7874308824539185\n",
      "训练次数：1671，Loss：1.7531107664108276\n",
      "训练次数：1672，Loss：1.9039393663406372\n",
      "训练次数：1673，Loss：1.7802894115447998\n",
      "训练次数：1674，Loss：1.4680566787719727\n",
      "训练次数：1675，Loss：1.6659601926803589\n",
      "训练次数：1676，Loss：1.6845839023590088\n",
      "训练次数：1677，Loss：1.7319982051849365\n",
      "训练次数：1678，Loss：1.4896490573883057\n",
      "训练次数：1679，Loss：1.7830915451049805\n",
      "训练次数：1680，Loss：1.7767361402511597\n",
      "训练次数：1681，Loss：1.717136263847351\n",
      "训练次数：1682，Loss：1.6389555931091309\n",
      "训练次数：1683，Loss：1.879757285118103\n",
      "训练次数：1684，Loss：1.886002779006958\n",
      "训练次数：1685，Loss：1.7735987901687622\n",
      "训练次数：1686，Loss：1.831499457359314\n",
      "训练次数：1687，Loss：1.812910556793213\n",
      "训练次数：1688，Loss：1.7177330255508423\n",
      "训练次数：1689，Loss：1.6688735485076904\n",
      "训练次数：1690，Loss：1.6393771171569824\n",
      "训练次数：1691，Loss：1.655402421951294\n",
      "训练次数：1692，Loss：1.6310303211212158\n",
      "训练次数：1693，Loss：1.6753811836242676\n",
      "训练次数：1694，Loss：1.5663038492202759\n",
      "训练次数：1695，Loss：1.8865725994110107\n",
      "训练次数：1696，Loss：1.8074702024459839\n",
      "训练次数：1697，Loss：1.9668262004852295\n",
      "训练次数：1698，Loss：1.5152368545532227\n",
      "训练次数：1699，Loss：1.7158215045928955\n",
      "训练次数：1700，Loss：1.6905550956726074\n",
      "训练次数：1701，Loss：1.7918851375579834\n",
      "训练次数：1702，Loss：1.84590482711792\n",
      "训练次数：1703，Loss：1.7114583253860474\n",
      "训练次数：1704，Loss：1.890879511833191\n",
      "训练次数：1705，Loss：2.040677070617676\n",
      "训练次数：1706，Loss：1.7309660911560059\n",
      "训练次数：1707，Loss：1.7585207223892212\n",
      "训练次数：1708，Loss：1.6272945404052734\n",
      "训练次数：1709，Loss：1.6803221702575684\n",
      "训练次数：1710，Loss：1.9122135639190674\n",
      "训练次数：1711，Loss：1.7487202882766724\n",
      "训练次数：1712，Loss：1.9170359373092651\n",
      "训练次数：1713，Loss：1.5885039567947388\n",
      "训练次数：1714，Loss：1.7329083681106567\n",
      "训练次数：1715，Loss：1.636398196220398\n",
      "训练次数：1716，Loss：1.7335349321365356\n",
      "训练次数：1717，Loss：1.8447757959365845\n",
      "训练次数：1718，Loss：1.607100009918213\n",
      "训练次数：1719，Loss：1.721914291381836\n",
      "训练次数：1720，Loss：1.7342106103897095\n",
      "训练次数：1721，Loss：1.8007707595825195\n",
      "训练次数：1722，Loss：1.6784404516220093\n",
      "训练次数：1723，Loss：1.9190263748168945\n",
      "训练次数：1724，Loss：2.169081211090088\n",
      "训练次数：1725，Loss：1.7681363821029663\n",
      "训练次数：1726，Loss：1.6696412563323975\n",
      "训练次数：1727，Loss：1.7881555557250977\n",
      "训练次数：1728，Loss：1.8893492221832275\n",
      "训练次数：1729，Loss：1.7165520191192627\n",
      "训练次数：1730，Loss：1.9541559219360352\n",
      "训练次数：1731，Loss：1.7429964542388916\n",
      "训练次数：1732，Loss：1.672317624092102\n",
      "训练次数：1733，Loss：1.6485410928726196\n",
      "训练次数：1734，Loss：1.615808129310608\n",
      "训练次数：1735，Loss：1.8000664710998535\n",
      "训练次数：1736，Loss：1.7144660949707031\n",
      "训练次数：1737，Loss：1.6831903457641602\n",
      "训练次数：1738，Loss：1.8993020057678223\n",
      "训练次数：1739，Loss：1.6609677076339722\n",
      "训练次数：1740，Loss：1.68375825881958\n",
      "训练次数：1741，Loss：1.629186987876892\n",
      "训练次数：1742，Loss：1.8159769773483276\n",
      "训练次数：1743，Loss：1.7792890071868896\n",
      "训练次数：1744，Loss：1.7779088020324707\n",
      "训练次数：1745，Loss：1.6864299774169922\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：1746，Loss：1.5847231149673462\n",
      "训练次数：1747，Loss：1.5788383483886719\n",
      "训练次数：1748，Loss：1.498468279838562\n",
      "训练次数：1749，Loss：1.8209930658340454\n",
      "训练次数：1750，Loss：1.9710345268249512\n",
      "训练次数：1751，Loss：1.6782814264297485\n",
      "训练次数：1752，Loss：1.690521001815796\n",
      "训练次数：1753，Loss：1.947824239730835\n",
      "训练次数：1754，Loss：1.6898484230041504\n",
      "训练次数：1755，Loss：1.5319761037826538\n",
      "训练次数：1756，Loss：1.7858060598373413\n",
      "训练次数：1757，Loss：1.8824559450149536\n",
      "训练次数：1758，Loss：1.6097878217697144\n",
      "训练次数：1759，Loss：1.6929699182510376\n",
      "训练次数：1760，Loss：1.8035821914672852\n",
      "训练次数：1761，Loss：1.7102863788604736\n",
      "训练次数：1762，Loss：1.641645073890686\n",
      "训练次数：1763，Loss：1.6881790161132812\n",
      "训练次数：1764，Loss：1.7497197389602661\n",
      "训练次数：1765，Loss：1.5134271383285522\n",
      "训练次数：1766，Loss：1.9621480703353882\n",
      "训练次数：1767，Loss：1.777857780456543\n",
      "训练次数：1768，Loss：1.725206971168518\n",
      "训练次数：1769，Loss：1.6526435613632202\n",
      "训练次数：1770，Loss：1.9115049839019775\n",
      "训练次数：1771，Loss：1.8382060527801514\n",
      "训练次数：1772，Loss：1.7604563236236572\n",
      "训练次数：1773，Loss：1.792628288269043\n",
      "训练次数：1774，Loss：1.904313564300537\n",
      "训练次数：1775，Loss：1.5652495622634888\n",
      "训练次数：1776，Loss：1.7479476928710938\n",
      "训练次数：1777，Loss：1.6449350118637085\n",
      "训练次数：1778，Loss：1.694576382637024\n",
      "训练次数：1779，Loss：1.8293896913528442\n",
      "训练次数：1780，Loss：1.821320652961731\n",
      "训练次数：1781，Loss：1.6920661926269531\n",
      "训练次数：1782，Loss：1.7498250007629395\n",
      "训练次数：1783，Loss：1.73472261428833\n",
      "训练次数：1784，Loss：1.6574106216430664\n",
      "训练次数：1785，Loss：1.7538049221038818\n",
      "训练次数：1786，Loss：1.738893747329712\n",
      "训练次数：1787，Loss：1.6916579008102417\n",
      "训练次数：1788，Loss：1.8552314043045044\n",
      "训练次数：1789，Loss：1.9576959609985352\n",
      "训练次数：1790，Loss：1.7570996284484863\n",
      "训练次数：1791，Loss：1.6515556573867798\n",
      "训练次数：1792，Loss：1.6485289335250854\n",
      "训练次数：1793，Loss：1.6499624252319336\n",
      "训练次数：1794，Loss：1.9481124877929688\n",
      "训练次数：1795，Loss：1.8216568231582642\n",
      "训练次数：1796，Loss：1.6369751691818237\n",
      "训练次数：1797，Loss：1.6676145792007446\n",
      "训练次数：1798，Loss：1.7257001399993896\n",
      "训练次数：1799，Loss：1.7998454570770264\n",
      "训练次数：1800，Loss：1.9788281917572021\n",
      "训练次数：1801，Loss：2.017643690109253\n",
      "训练次数：1802，Loss：1.7220350503921509\n",
      "训练次数：1803，Loss：1.6088056564331055\n",
      "训练次数：1804，Loss：1.6753588914871216\n",
      "训练次数：1805，Loss：1.8214715719223022\n",
      "训练次数：1806，Loss：1.661074161529541\n",
      "训练次数：1807，Loss：1.686718463897705\n",
      "训练次数：1808，Loss：1.9837942123413086\n",
      "训练次数：1809，Loss：1.549646019935608\n",
      "训练次数：1810，Loss：1.7170003652572632\n",
      "训练次数：1811，Loss：1.7637526988983154\n",
      "训练次数：1812，Loss：1.8515559434890747\n",
      "训练次数：1813，Loss：1.828277587890625\n",
      "训练次数：1814，Loss：1.8608711957931519\n",
      "训练次数：1815，Loss：1.6645694971084595\n",
      "训练次数：1816，Loss：1.6952519416809082\n",
      "训练次数：1817，Loss：1.7397092580795288\n",
      "训练次数：1818，Loss：1.7536031007766724\n",
      "训练次数：1819，Loss：1.8449572324752808\n",
      "训练次数：1820，Loss：1.607483148574829\n",
      "训练次数：1821，Loss：1.668283224105835\n",
      "训练次数：1822，Loss：1.5576753616333008\n",
      "训练次数：1823，Loss：1.8803449869155884\n",
      "训练次数：1824，Loss：1.8278917074203491\n",
      "训练次数：1825，Loss：1.6981576681137085\n",
      "训练次数：1826，Loss：1.8418744802474976\n",
      "训练次数：1827，Loss：1.7203065156936646\n",
      "训练次数：1828，Loss：1.7590551376342773\n",
      "训练次数：1829，Loss：1.5129557847976685\n",
      "训练次数：1830，Loss：1.5114790201187134\n",
      "训练次数：1831，Loss：1.7847765684127808\n",
      "训练次数：1832，Loss：1.6885299682617188\n",
      "训练次数：1833，Loss：1.7494202852249146\n",
      "训练次数：1834，Loss：1.7179983854293823\n",
      "训练次数：1835，Loss：1.855055332183838\n",
      "训练次数：1836，Loss：1.7773991823196411\n",
      "训练次数：1837，Loss：1.6390427350997925\n",
      "训练次数：1838，Loss：1.6262956857681274\n",
      "训练次数：1839，Loss：1.6603394746780396\n",
      "训练次数：1840，Loss：1.64263117313385\n",
      "训练次数：1841，Loss：1.9994362592697144\n",
      "训练次数：1842，Loss：1.8085241317749023\n",
      "训练次数：1843，Loss：1.7246204614639282\n",
      "训练次数：1844，Loss：1.5616793632507324\n",
      "训练次数：1845，Loss：1.649454951286316\n",
      "训练次数：1846，Loss：1.6565873622894287\n",
      "训练次数：1847，Loss：1.684251308441162\n",
      "训练次数：1848，Loss：1.7269810438156128\n",
      "训练次数：1849，Loss：1.6417677402496338\n",
      "训练次数：1850，Loss：1.6823227405548096\n",
      "训练次数：1851，Loss：1.782341718673706\n",
      "训练次数：1852，Loss：1.6867979764938354\n",
      "训练次数：1853，Loss：1.7558101415634155\n",
      "训练次数：1854，Loss：1.679675817489624\n",
      "训练次数：1855，Loss：1.6438692808151245\n",
      "训练次数：1856，Loss：1.7028794288635254\n",
      "训练次数：1857，Loss：1.7519469261169434\n",
      "训练次数：1858，Loss：1.5910223722457886\n",
      "训练次数：1859，Loss：1.7396721839904785\n",
      "训练次数：1860，Loss：1.6197315454483032\n",
      "训练次数：1861，Loss：1.992009162902832\n",
      "训练次数：1862，Loss：1.7115287780761719\n",
      "训练次数：1863，Loss：1.5450841188430786\n",
      "训练次数：1864，Loss：1.726794958114624\n",
      "训练次数：1865，Loss：1.6951161623001099\n",
      "训练次数：1866，Loss：1.827288269996643\n",
      "训练次数：1867，Loss：1.6574478149414062\n",
      "训练次数：1868，Loss：1.494883418083191\n",
      "训练次数：1869，Loss：1.6565239429473877\n",
      "训练次数：1870，Loss：1.8544063568115234\n",
      "训练次数：1871，Loss：1.5807137489318848\n",
      "训练次数：1872，Loss：1.7291253805160522\n",
      "训练次数：1873，Loss：1.6395899057388306\n",
      "训练次数：1874，Loss：1.5810580253601074\n",
      "训练次数：1875，Loss：1.5918104648590088\n",
      "训练次数：1876，Loss：1.5754033327102661\n",
      "训练次数：1877，Loss：1.8259973526000977\n",
      "训练次数：1878，Loss：1.7187373638153076\n",
      "训练次数：1879，Loss：1.536431074142456\n",
      "训练次数：1880，Loss：1.9178229570388794\n",
      "训练次数：1881，Loss：1.8237613439559937\n",
      "训练次数：1882，Loss：1.8747538328170776\n",
      "训练次数：1883，Loss：1.4979287385940552\n",
      "训练次数：1884，Loss：1.6304101943969727\n",
      "训练次数：1885，Loss：1.6618318557739258\n",
      "训练次数：1886，Loss：1.817526936531067\n",
      "训练次数：1887，Loss：1.6374770402908325\n",
      "训练次数：1888，Loss：1.8457337617874146\n",
      "训练次数：1889，Loss：1.5954539775848389\n",
      "训练次数：1890，Loss：1.508785605430603\n",
      "训练次数：1891，Loss：1.6060724258422852\n",
      "训练次数：1892，Loss：1.643398404121399\n",
      "训练次数：1893，Loss：1.6056455373764038\n",
      "训练次数：1894，Loss：1.6916000843048096\n",
      "训练次数：1895，Loss：1.6241610050201416\n",
      "训练次数：1896，Loss：1.680208683013916\n",
      "训练次数：1897，Loss：1.5562241077423096\n",
      "训练次数：1898，Loss：1.7940733432769775\n",
      "训练次数：1899，Loss：1.752120018005371\n",
      "训练次数：1900，Loss：1.7448292970657349\n",
      "训练次数：1901，Loss：1.7625070810317993\n",
      "训练次数：1902，Loss：1.5736823081970215\n",
      "训练次数：1903，Loss：1.6732169389724731\n",
      "训练次数：1904，Loss：1.5025193691253662\n",
      "训练次数：1905，Loss：1.7552999258041382\n",
      "训练次数：1906，Loss：1.7742587327957153\n",
      "训练次数：1907，Loss：1.5539417266845703\n",
      "训练次数：1908，Loss：1.7350108623504639\n",
      "训练次数：1909，Loss：1.703279972076416\n",
      "训练次数：1910，Loss：1.5267006158828735\n",
      "训练次数：1911，Loss：1.6311556100845337\n",
      "训练次数：1912，Loss：1.721028447151184\n",
      "训练次数：1913，Loss：1.7199170589447021\n",
      "训练次数：1914，Loss：1.5951194763183594\n",
      "训练次数：1915，Loss：1.6141263246536255\n",
      "训练次数：1916，Loss：1.6924247741699219\n",
      "训练次数：1917，Loss：1.5868433713912964\n",
      "训练次数：1918，Loss：1.7948476076126099\n",
      "训练次数：1919，Loss：1.5823436975479126\n",
      "训练次数：1920，Loss：1.6658940315246582\n",
      "训练次数：1921，Loss：1.6431912183761597\n",
      "训练次数：1922，Loss：1.7449617385864258\n",
      "训练次数：1923，Loss：1.618040919303894\n",
      "训练次数：1924，Loss：1.788161039352417\n",
      "训练次数：1925，Loss：1.6744519472122192\n",
      "训练次数：1926，Loss：1.5518841743469238\n",
      "训练次数：1927，Loss：1.9022111892700195\n",
      "训练次数：1928，Loss：1.6350582838058472\n",
      "训练次数：1929，Loss：1.3161250352859497\n",
      "训练次数：1930，Loss：1.4964367151260376\n",
      "训练次数：1931，Loss：1.6628742218017578\n",
      "训练次数：1932，Loss：1.7667219638824463\n",
      "训练次数：1933，Loss：1.442056655883789\n",
      "训练次数：1934，Loss：1.6440324783325195\n",
      "训练次数：1935，Loss：1.4353148937225342\n",
      "训练次数：1936，Loss：1.7438056468963623\n",
      "训练次数：1937，Loss：1.5876864194869995\n",
      "训练次数：1938，Loss：1.563170075416565\n",
      "训练次数：1939，Loss：1.8580299615859985\n",
      "训练次数：1940，Loss：1.5834630727767944\n",
      "训练次数：1941，Loss：1.6133579015731812\n",
      "训练次数：1942，Loss：1.5846166610717773\n",
      "训练次数：1943，Loss：1.6676217317581177\n",
      "训练次数：1944，Loss：1.6347472667694092\n",
      "训练次数：1945，Loss：1.7474567890167236\n",
      "训练次数：1946，Loss：1.550747036933899\n",
      "训练次数：1947，Loss：1.5942673683166504\n",
      "训练次数：1948，Loss：1.4967175722122192\n",
      "训练次数：1949，Loss：1.617368221282959\n",
      "训练次数：1950，Loss：1.6058349609375\n",
      "训练次数：1951，Loss：1.5629823207855225\n",
      "训练次数：1952，Loss：1.8407613039016724\n",
      "训练次数：1953，Loss：1.7447192668914795\n",
      "训练次数：1954，Loss：1.4846837520599365\n",
      "训练次数：1955，Loss：1.6494879722595215\n",
      "训练次数：1956，Loss：1.4831150770187378\n",
      "训练次数：1957，Loss：1.6025913953781128\n",
      "训练次数：1958，Loss：1.7360575199127197\n",
      "训练次数：1959，Loss：1.6906713247299194\n",
      "训练次数：1960，Loss：1.6710495948791504\n",
      "训练次数：1961，Loss：1.5961329936981201\n",
      "训练次数：1962，Loss：1.7300742864608765\n",
      "训练次数：1963，Loss：1.5093029737472534\n",
      "训练次数：1964，Loss：1.6214462518692017\n",
      "训练次数：1965，Loss：1.8100422620773315\n",
      "训练次数：1966，Loss：1.7592923641204834\n",
      "训练次数：1967，Loss：1.7116650342941284\n",
      "训练次数：1968，Loss：1.5754145383834839\n",
      "训练次数：1969，Loss：1.7962497472763062\n",
      "训练次数：1970，Loss：1.5738375186920166\n",
      "训练次数：1971，Loss：1.6320133209228516\n",
      "训练次数：1972，Loss：1.3813151121139526\n",
      "训练次数：1973，Loss：1.5479435920715332\n",
      "训练次数：1974，Loss：1.4913947582244873\n",
      "训练次数：1975，Loss：1.7953579425811768\n",
      "训练次数：1976，Loss：1.657984972000122\n",
      "训练次数：1977，Loss：1.7529635429382324\n",
      "训练次数：1978，Loss：1.6771295070648193\n",
      "训练次数：1979，Loss：1.726686716079712\n",
      "训练次数：1980，Loss：1.609223484992981\n",
      "训练次数：1981，Loss：1.7896568775177002\n",
      "训练次数：1982，Loss：1.5817519426345825\n",
      "训练次数：1983，Loss：1.59250009059906\n",
      "训练次数：1984，Loss：1.709441065788269\n",
      "训练次数：1985，Loss：1.6855623722076416\n",
      "训练次数：1986，Loss：1.6258546113967896\n",
      "训练次数：1987，Loss：1.8026949167251587\n",
      "训练次数：1988，Loss：1.6226845979690552\n",
      "训练次数：1989，Loss：1.5456364154815674\n",
      "训练次数：1990，Loss：1.770390510559082\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：1991，Loss：1.8233176469802856\n",
      "训练次数：1992，Loss：1.5670186281204224\n",
      "训练次数：1993，Loss：1.7172104120254517\n",
      "训练次数：1994，Loss：1.7393155097961426\n",
      "训练次数：1995，Loss：1.6825429201126099\n",
      "训练次数：1996，Loss：1.6373037099838257\n",
      "训练次数：1997，Loss：1.835858941078186\n",
      "训练次数：1998，Loss：1.619719386100769\n",
      "训练次数：1999，Loss：1.6029887199401855\n",
      "训练次数：2000，Loss：1.928741455078125\n",
      "训练次数：2001，Loss：1.932882308959961\n",
      "训练次数：2002，Loss：1.8265939950942993\n",
      "训练次数：2003，Loss：1.7195460796356201\n",
      "训练次数：2004，Loss：1.715066909790039\n",
      "训练次数：2005，Loss：1.8200984001159668\n",
      "训练次数：2006，Loss：1.622978687286377\n",
      "训练次数：2007，Loss：1.6813254356384277\n",
      "训练次数：2008，Loss：1.5550984144210815\n",
      "训练次数：2009，Loss：1.6869707107543945\n",
      "训练次数：2010，Loss：1.7642416954040527\n",
      "训练次数：2011，Loss：1.6781762838363647\n",
      "训练次数：2012，Loss：1.6753267049789429\n",
      "训练次数：2013，Loss：1.4799377918243408\n",
      "训练次数：2014，Loss：1.7672361135482788\n",
      "训练次数：2015，Loss：1.4940242767333984\n",
      "训练次数：2016，Loss：1.4044724702835083\n",
      "训练次数：2017，Loss：1.584492564201355\n",
      "训练次数：2018，Loss：1.6313799619674683\n",
      "训练次数：2019，Loss：1.7456419467926025\n",
      "训练次数：2020，Loss：1.6508827209472656\n",
      "训练次数：2021，Loss：1.7854663133621216\n",
      "训练次数：2022，Loss：1.505804181098938\n",
      "训练次数：2023，Loss：1.5057704448699951\n",
      "训练次数：2024，Loss：1.5997880697250366\n",
      "训练次数：2025，Loss：1.7808113098144531\n",
      "训练次数：2026，Loss：1.6180627346038818\n",
      "训练次数：2027，Loss：1.6014506816864014\n",
      "训练次数：2028，Loss：1.6364002227783203\n",
      "训练次数：2029，Loss：1.6786774396896362\n",
      "训练次数：2030，Loss：1.5275743007659912\n",
      "训练次数：2031，Loss：1.7176533937454224\n",
      "训练次数：2032，Loss：1.5381388664245605\n",
      "训练次数：2033，Loss：1.5894280672073364\n",
      "训练次数：2034，Loss：1.7325098514556885\n",
      "训练次数：2035，Loss：1.6075217723846436\n",
      "训练次数：2036，Loss：1.7177469730377197\n",
      "训练次数：2037，Loss：1.4924687147140503\n",
      "训练次数：2038，Loss：1.791234016418457\n",
      "训练次数：2039，Loss：1.4184855222702026\n",
      "训练次数：2040，Loss：1.7805348634719849\n",
      "训练次数：2041，Loss：1.713514804840088\n",
      "训练次数：2042，Loss：2.026393413543701\n",
      "训练次数：2043，Loss：2.008107900619507\n",
      "训练次数：2044，Loss：1.6916595697402954\n",
      "训练次数：2045，Loss：1.7272764444351196\n",
      "训练次数：2046，Loss：1.76858651638031\n",
      "训练次数：2047，Loss：1.6897895336151123\n",
      "训练次数：2048，Loss：1.497839331626892\n",
      "训练次数：2049，Loss：1.5357874631881714\n",
      "训练次数：2050，Loss：1.4233911037445068\n",
      "训练次数：2051，Loss：1.796371340751648\n",
      "训练次数：2052，Loss：1.7761056423187256\n",
      "训练次数：2053，Loss：1.665730357170105\n",
      "训练次数：2054，Loss：1.5116263628005981\n",
      "训练次数：2055，Loss：1.8797274827957153\n",
      "训练次数：2056，Loss：1.7110133171081543\n",
      "训练次数：2057，Loss：1.6099200248718262\n",
      "训练次数：2058，Loss：1.4876805543899536\n",
      "训练次数：2059，Loss：1.6392853260040283\n",
      "训练次数：2060，Loss：1.6295878887176514\n",
      "训练次数：2061，Loss：1.6431697607040405\n",
      "训练次数：2062，Loss：1.7477269172668457\n",
      "训练次数：2063，Loss：1.897172212600708\n",
      "训练次数：2064，Loss：1.711901307106018\n",
      "训练次数：2065，Loss：1.6381523609161377\n",
      "训练次数：2066，Loss：1.702355980873108\n",
      "训练次数：2067，Loss：1.5591309070587158\n",
      "训练次数：2068，Loss：1.833046793937683\n",
      "训练次数：2069，Loss：1.678027868270874\n",
      "训练次数：2070，Loss：1.6727381944656372\n",
      "训练次数：2071，Loss：1.5768399238586426\n",
      "训练次数：2072，Loss：1.63534677028656\n",
      "训练次数：2073，Loss：1.7337194681167603\n",
      "训练次数：2074，Loss：1.6193376779556274\n",
      "训练次数：2075，Loss：1.7318742275238037\n",
      "训练次数：2076，Loss：1.5381622314453125\n",
      "训练次数：2077，Loss：1.741501808166504\n",
      "训练次数：2078，Loss：1.6793570518493652\n",
      "训练次数：2079，Loss：1.9144357442855835\n",
      "训练次数：2080，Loss：1.5908002853393555\n",
      "训练次数：2081，Loss：1.8599445819854736\n",
      "训练次数：2082，Loss：1.4738470315933228\n",
      "训练次数：2083，Loss：1.5900815725326538\n",
      "训练次数：2084，Loss：1.6124769449234009\n",
      "训练次数：2085，Loss：1.7788186073303223\n",
      "训练次数：2086，Loss：1.754547119140625\n",
      "训练次数：2087，Loss：1.6800035238265991\n",
      "训练次数：2088，Loss：1.756204605102539\n",
      "训练次数：2089，Loss：1.7993353605270386\n",
      "训练次数：2090，Loss：1.823765754699707\n",
      "训练次数：2091，Loss：1.6834741830825806\n",
      "训练次数：2092，Loss：1.64352285861969\n",
      "训练次数：2093，Loss：1.6508008241653442\n",
      "训练次数：2094，Loss：1.9318712949752808\n",
      "训练次数：2095，Loss：1.8964120149612427\n",
      "训练次数：2096，Loss：1.7588050365447998\n",
      "训练次数：2097，Loss：1.6617417335510254\n",
      "训练次数：2098，Loss：1.421678900718689\n",
      "训练次数：2099，Loss：1.6151212453842163\n",
      "训练次数：2100，Loss：1.5522115230560303\n",
      "训练次数：2101，Loss：1.6967984437942505\n",
      "训练次数：2102，Loss：1.6199042797088623\n",
      "训练次数：2103，Loss：1.6589715480804443\n",
      "训练次数：2104，Loss：1.6597322225570679\n",
      "训练次数：2105，Loss：1.6781728267669678\n",
      "训练次数：2106，Loss：1.7377582788467407\n",
      "训练次数：2107，Loss：1.6289079189300537\n",
      "训练次数：2108，Loss：1.5582168102264404\n",
      "训练次数：2109，Loss：1.6150002479553223\n",
      "训练次数：2110，Loss：1.5623953342437744\n",
      "训练次数：2111，Loss：1.7334907054901123\n",
      "训练次数：2112，Loss：1.6859256029129028\n",
      "训练次数：2113，Loss：1.6827013492584229\n",
      "训练次数：2114，Loss：1.6009502410888672\n",
      "训练次数：2115，Loss：1.5364329814910889\n",
      "训练次数：2116，Loss：1.819220781326294\n",
      "训练次数：2117，Loss：1.505860686302185\n",
      "训练次数：2118，Loss：1.7001309394836426\n",
      "训练次数：2119，Loss：1.5141377449035645\n",
      "训练次数：2120，Loss：1.4997186660766602\n",
      "训练次数：2121，Loss：1.8420264720916748\n",
      "训练次数：2122，Loss：1.7250990867614746\n",
      "训练次数：2123，Loss：1.6476867198944092\n",
      "训练次数：2124，Loss：1.5612257719039917\n",
      "训练次数：2125，Loss：1.5115258693695068\n",
      "训练次数：2126，Loss：1.6298542022705078\n",
      "训练次数：2127，Loss：1.7720065116882324\n",
      "训练次数：2128，Loss：1.711274266242981\n",
      "训练次数：2129，Loss：1.6673450469970703\n",
      "训练次数：2130，Loss：1.7040849924087524\n",
      "训练次数：2131，Loss：1.5461816787719727\n",
      "训练次数：2132，Loss：1.663474440574646\n",
      "训练次数：2133，Loss：1.6526410579681396\n",
      "训练次数：2134，Loss：1.4798487424850464\n",
      "训练次数：2135，Loss：1.6241331100463867\n",
      "训练次数：2136，Loss：1.5323647260665894\n",
      "训练次数：2137，Loss：1.5102781057357788\n",
      "训练次数：2138，Loss：1.6747450828552246\n",
      "训练次数：2139，Loss：1.5438047647476196\n",
      "训练次数：2140，Loss：1.6190992593765259\n",
      "训练次数：2141，Loss：1.7970243692398071\n",
      "训练次数：2142，Loss：1.8356865644454956\n",
      "训练次数：2143，Loss：1.4680366516113281\n",
      "训练次数：2144，Loss：1.6256362199783325\n",
      "训练次数：2145，Loss：1.6928635835647583\n",
      "训练次数：2146，Loss：1.6490566730499268\n",
      "训练次数：2147，Loss：1.484792947769165\n",
      "训练次数：2148，Loss：1.6998423337936401\n",
      "训练次数：2149，Loss：1.6467703580856323\n",
      "训练次数：2150，Loss：1.437407374382019\n",
      "训练次数：2151，Loss：1.7502875328063965\n",
      "训练次数：2152，Loss：1.644093632698059\n",
      "训练次数：2153，Loss：1.6794909238815308\n",
      "训练次数：2154，Loss：1.6253520250320435\n",
      "训练次数：2155，Loss：1.732560157775879\n",
      "训练次数：2156，Loss：1.4997072219848633\n",
      "训练次数：2157，Loss：1.7154558897018433\n",
      "训练次数：2158，Loss：1.9173574447631836\n",
      "训练次数：2159，Loss：1.6897083520889282\n",
      "训练次数：2160，Loss：1.90232253074646\n",
      "训练次数：2161，Loss：1.5897020101547241\n",
      "训练次数：2162，Loss：1.7006527185440063\n",
      "训练次数：2163，Loss：1.6316057443618774\n",
      "训练次数：2164，Loss：1.7130188941955566\n",
      "训练次数：2165，Loss：1.753625750541687\n",
      "训练次数：2166，Loss：1.4754658937454224\n",
      "训练次数：2167，Loss：1.4232769012451172\n",
      "训练次数：2168，Loss：1.6202068328857422\n",
      "训练次数：2169，Loss：1.6577913761138916\n",
      "训练次数：2170，Loss：1.505668044090271\n",
      "训练次数：2171，Loss：1.4489352703094482\n",
      "训练次数：2172，Loss：1.635309100151062\n",
      "训练次数：2173，Loss：1.6577744483947754\n",
      "训练次数：2174，Loss：1.7002596855163574\n",
      "训练次数：2175，Loss：1.5894644260406494\n",
      "训练次数：2176，Loss：1.7776522636413574\n",
      "训练次数：2177，Loss：1.7244064807891846\n",
      "训练次数：2178，Loss：1.5648610591888428\n",
      "训练次数：2179，Loss：1.7466256618499756\n",
      "训练次数：2180，Loss：1.5771846771240234\n",
      "训练次数：2181，Loss：1.5703439712524414\n",
      "训练次数：2182，Loss：1.6017770767211914\n",
      "训练次数：2183，Loss：1.6634165048599243\n",
      "训练次数：2184，Loss：1.7708797454833984\n",
      "训练次数：2185，Loss：1.6695280075073242\n",
      "训练次数：2186，Loss：1.8081746101379395\n",
      "训练次数：2187，Loss：1.5667660236358643\n",
      "训练次数：2188，Loss：1.595778465270996\n",
      "训练次数：2189，Loss：1.6850497722625732\n",
      "训练次数：2190，Loss：1.4145103693008423\n",
      "训练次数：2191，Loss：1.5282599925994873\n",
      "训练次数：2192，Loss：1.8365757465362549\n",
      "训练次数：2193，Loss：1.8438462018966675\n",
      "训练次数：2194，Loss：1.543229103088379\n",
      "训练次数：2195，Loss：1.6795958280563354\n",
      "训练次数：2196，Loss：1.7679744958877563\n",
      "训练次数：2197，Loss：1.6191794872283936\n",
      "训练次数：2198，Loss：1.4682931900024414\n",
      "训练次数：2199，Loss：1.6826428174972534\n",
      "训练次数：2200，Loss：1.4935734272003174\n",
      "训练次数：2201，Loss：1.8987070322036743\n",
      "训练次数：2202，Loss：1.7083590030670166\n",
      "训练次数：2203，Loss：1.7166448831558228\n",
      "训练次数：2204，Loss：1.8499841690063477\n",
      "训练次数：2205，Loss：1.7229737043380737\n",
      "训练次数：2206，Loss：1.8103245496749878\n",
      "训练次数：2207，Loss：1.696546196937561\n",
      "训练次数：2208，Loss：1.5497685670852661\n",
      "训练次数：2209，Loss：1.5161569118499756\n",
      "训练次数：2210，Loss：1.9621171951293945\n",
      "训练次数：2211，Loss：1.5216269493103027\n",
      "训练次数：2212，Loss：1.5366201400756836\n",
      "训练次数：2213，Loss：1.7070790529251099\n",
      "训练次数：2214，Loss：1.7812423706054688\n",
      "训练次数：2215，Loss：1.5368080139160156\n",
      "训练次数：2216，Loss：1.7546499967575073\n",
      "训练次数：2217，Loss：1.4338685274124146\n",
      "训练次数：2218，Loss：1.4579718112945557\n",
      "训练次数：2219，Loss：1.6250207424163818\n",
      "训练次数：2220，Loss：1.6870057582855225\n",
      "训练次数：2221，Loss：1.7661449909210205\n",
      "训练次数：2222，Loss：1.552365779876709\n",
      "训练次数：2223，Loss：1.751909852027893\n",
      "训练次数：2224，Loss：1.6278048753738403\n",
      "训练次数：2225，Loss：1.7498918771743774\n",
      "训练次数：2226，Loss：1.5054529905319214\n",
      "训练次数：2227，Loss：1.3985440731048584\n",
      "训练次数：2228，Loss：1.557447075843811\n",
      "训练次数：2229，Loss：1.9431911706924438\n",
      "训练次数：2230，Loss：1.7953464984893799\n",
      "训练次数：2231，Loss：1.5172626972198486\n",
      "训练次数：2232，Loss：1.7064568996429443\n",
      "训练次数：2233，Loss：1.6558986902236938\n",
      "训练次数：2234，Loss：1.6530121564865112\n",
      "训练次数：2235，Loss：1.7380605936050415\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：2236，Loss：1.5343725681304932\n",
      "训练次数：2237，Loss：1.5238573551177979\n",
      "训练次数：2238，Loss：1.585068941116333\n",
      "训练次数：2239，Loss：1.6807931661605835\n",
      "训练次数：2240，Loss：1.6655080318450928\n",
      "训练次数：2241，Loss：1.519168496131897\n",
      "训练次数：2242，Loss：1.4906283617019653\n",
      "训练次数：2243，Loss：1.6821693181991577\n",
      "训练次数：2244，Loss：1.762518048286438\n",
      "训练次数：2245，Loss：1.734818458557129\n",
      "训练次数：2246，Loss：1.3543877601623535\n",
      "训练次数：2247，Loss：1.533904790878296\n",
      "训练次数：2248，Loss：1.5700010061264038\n",
      "训练次数：2249，Loss：1.719052791595459\n",
      "训练次数：2250，Loss：1.9427766799926758\n",
      "训练次数：2251，Loss：1.7120236158370972\n",
      "训练次数：2252，Loss：1.5674537420272827\n",
      "训练次数：2253，Loss：1.6517424583435059\n",
      "训练次数：2254，Loss：1.7326879501342773\n",
      "训练次数：2255，Loss：1.7390353679656982\n",
      "训练次数：2256，Loss：1.7762224674224854\n",
      "训练次数：2257，Loss：1.745643138885498\n",
      "训练次数：2258，Loss：1.7253856658935547\n",
      "训练次数：2259，Loss：1.7078884840011597\n",
      "训练次数：2260，Loss：1.618809461593628\n",
      "训练次数：2261，Loss：1.6172308921813965\n",
      "训练次数：2262，Loss：1.6541876792907715\n",
      "训练次数：2263，Loss：1.5199288129806519\n",
      "训练次数：2264，Loss：1.7303911447525024\n",
      "训练次数：2265，Loss：1.680121898651123\n",
      "训练次数：2266，Loss：1.738302230834961\n",
      "训练次数：2267，Loss：1.5509531497955322\n",
      "训练次数：2268，Loss：1.404400110244751\n",
      "训练次数：2269，Loss：1.5951926708221436\n",
      "训练次数：2270，Loss：1.643548607826233\n",
      "训练次数：2271，Loss：1.7859278917312622\n",
      "训练次数：2272，Loss：1.65070378780365\n",
      "训练次数：2273，Loss：1.5001587867736816\n",
      "训练次数：2274，Loss：1.4947606325149536\n",
      "训练次数：2275，Loss：1.7832952737808228\n",
      "训练次数：2276，Loss：1.5582982301712036\n",
      "训练次数：2277，Loss：1.5631226301193237\n",
      "训练次数：2278，Loss：1.584488034248352\n",
      "训练次数：2279，Loss：1.5765620470046997\n",
      "训练次数：2280，Loss：1.7060014009475708\n",
      "训练次数：2281，Loss：1.5542643070220947\n",
      "训练次数：2282，Loss：1.6337106227874756\n",
      "训练次数：2283，Loss：1.5845221281051636\n",
      "训练次数：2284，Loss：1.5713107585906982\n",
      "训练次数：2285，Loss：1.4317958354949951\n",
      "训练次数：2286，Loss：1.6082950830459595\n",
      "训练次数：2287，Loss：1.4633415937423706\n",
      "训练次数：2288，Loss：1.77197265625\n",
      "训练次数：2289，Loss：1.6008882522583008\n",
      "训练次数：2290，Loss：1.5326504707336426\n",
      "训练次数：2291，Loss：1.7796251773834229\n",
      "训练次数：2292，Loss：1.8995245695114136\n",
      "训练次数：2293，Loss：1.5349773168563843\n",
      "训练次数：2294，Loss：1.6999658346176147\n",
      "训练次数：2295，Loss：1.4760608673095703\n",
      "训练次数：2296，Loss：1.5875109434127808\n",
      "训练次数：2297，Loss：1.625922679901123\n",
      "训练次数：2298，Loss：1.606711745262146\n",
      "训练次数：2299，Loss：1.573819637298584\n",
      "训练次数：2300，Loss：1.8036593198776245\n",
      "训练次数：2301，Loss：1.460774302482605\n",
      "训练次数：2302，Loss：1.754367470741272\n",
      "训练次数：2303，Loss：1.495787262916565\n",
      "训练次数：2304，Loss：1.4346168041229248\n",
      "训练次数：2305，Loss：1.7205744981765747\n",
      "训练次数：2306，Loss：1.5684810876846313\n",
      "训练次数：2307，Loss：1.7344648838043213\n",
      "训练次数：2308，Loss：1.541880488395691\n",
      "训练次数：2309，Loss：1.511989951133728\n",
      "训练次数：2310，Loss：1.5796414613723755\n",
      "训练次数：2311，Loss：1.365225911140442\n",
      "训练次数：2312，Loss：1.784213900566101\n",
      "训练次数：2313，Loss：1.7544071674346924\n",
      "训练次数：2314，Loss：1.500076413154602\n",
      "训练次数：2315，Loss：1.9232041835784912\n",
      "训练次数：2316，Loss：1.7654178142547607\n",
      "训练次数：2317，Loss：1.6297425031661987\n",
      "训练次数：2318，Loss：1.6913037300109863\n",
      "训练次数：2319，Loss：1.5685064792633057\n",
      "训练次数：2320，Loss：1.6500314474105835\n",
      "训练次数：2321，Loss：1.787339687347412\n",
      "训练次数：2322，Loss：1.5870580673217773\n",
      "训练次数：2323，Loss：1.7176491022109985\n",
      "训练次数：2324，Loss：1.6637663841247559\n",
      "训练次数：2325，Loss：1.6328632831573486\n",
      "训练次数：2326，Loss：1.7680779695510864\n",
      "训练次数：2327，Loss：1.6599972248077393\n",
      "训练次数：2328，Loss：1.6073434352874756\n",
      "训练次数：2329，Loss：1.4667034149169922\n",
      "训练次数：2330，Loss：1.7290524244308472\n",
      "训练次数：2331，Loss：1.6422585248947144\n",
      "训练次数：2332，Loss：1.6629482507705688\n",
      "训练次数：2333，Loss：1.4599703550338745\n",
      "训练次数：2334，Loss：1.52662992477417\n",
      "训练次数：2335，Loss：1.6413310766220093\n",
      "训练次数：2336，Loss：1.5257002115249634\n",
      "训练次数：2337，Loss：1.5676213502883911\n",
      "训练次数：2338，Loss：1.560044765472412\n",
      "训练次数：2339，Loss：1.6179101467132568\n",
      "训练次数：2340，Loss：1.3769822120666504\n",
      "训练次数：2341，Loss：1.7696068286895752\n",
      "训练次数：2342，Loss：1.6162735223770142\n",
      "训练次数：2343，Loss：1.6201684474945068\n",
      "训练次数：2344，Loss：1.4277459383010864\n",
      "训练次数：2345，Loss：1.6406025886535645\n",
      "训练次数：2346，Loss：2.2170968055725098\n",
      "-----第 4 轮训练开始-----\n",
      "训练次数：2347，Loss：1.714172601699829\n",
      "训练次数：2348，Loss：1.5495185852050781\n",
      "训练次数：2349，Loss：1.7623050212860107\n",
      "训练次数：2350，Loss：1.3188904523849487\n",
      "训练次数：2351，Loss：1.4413793087005615\n",
      "训练次数：2352，Loss：1.5214787721633911\n",
      "训练次数：2353，Loss：1.5844619274139404\n",
      "训练次数：2354，Loss：1.594576358795166\n",
      "训练次数：2355，Loss：1.556621789932251\n",
      "训练次数：2356，Loss：1.7445799112319946\n",
      "训练次数：2357，Loss：1.7016823291778564\n",
      "训练次数：2358，Loss：1.7111163139343262\n",
      "训练次数：2359，Loss：1.6316823959350586\n",
      "训练次数：2360，Loss：1.7342934608459473\n",
      "训练次数：2361，Loss：1.5781006813049316\n",
      "训练次数：2362，Loss：1.4068132638931274\n",
      "训练次数：2363，Loss：1.5574963092803955\n",
      "训练次数：2364，Loss：1.5047873258590698\n",
      "训练次数：2365，Loss：1.6515569686889648\n",
      "训练次数：2366，Loss：1.4403516054153442\n",
      "训练次数：2367，Loss：1.6996463537216187\n",
      "训练次数：2368，Loss：1.5475879907608032\n",
      "训练次数：2369，Loss：1.5503172874450684\n",
      "训练次数：2370，Loss：1.5607125759124756\n",
      "训练次数：2371，Loss：1.494735836982727\n",
      "训练次数：2372，Loss：1.505097508430481\n",
      "训练次数：2373，Loss：1.5886965990066528\n",
      "训练次数：2374，Loss：1.558928370475769\n",
      "训练次数：2375，Loss：1.3912522792816162\n",
      "训练次数：2376，Loss：1.5307036638259888\n",
      "训练次数：2377，Loss：1.7878202199935913\n",
      "训练次数：2378，Loss：1.7998743057250977\n",
      "训练次数：2379，Loss：1.7070276737213135\n",
      "训练次数：2380，Loss：1.389773964881897\n",
      "训练次数：2381，Loss：1.5368671417236328\n",
      "训练次数：2382，Loss：1.5644054412841797\n",
      "训练次数：2383，Loss：1.5899486541748047\n",
      "训练次数：2384，Loss：1.4796359539031982\n",
      "训练次数：2385，Loss：1.5439324378967285\n",
      "训练次数：2386，Loss：1.8002955913543701\n",
      "训练次数：2387，Loss：1.6185153722763062\n",
      "训练次数：2388，Loss：1.6002143621444702\n",
      "训练次数：2389，Loss：1.6150174140930176\n",
      "训练次数：2390，Loss：1.7412821054458618\n",
      "训练次数：2391，Loss：1.5120314359664917\n",
      "训练次数：2392，Loss：1.5191937685012817\n",
      "训练次数：2393，Loss：1.6056275367736816\n",
      "训练次数：2394，Loss：1.622572660446167\n",
      "训练次数：2395，Loss：1.6680771112442017\n",
      "训练次数：2396，Loss：1.6986958980560303\n",
      "训练次数：2397，Loss：1.5973403453826904\n",
      "训练次数：2398，Loss：1.6206070184707642\n",
      "训练次数：2399，Loss：1.6065441370010376\n",
      "训练次数：2400，Loss：1.7432057857513428\n",
      "训练次数：2401，Loss：1.4728586673736572\n",
      "训练次数：2402，Loss：1.462723731994629\n",
      "训练次数：2403，Loss：1.6602619886398315\n",
      "训练次数：2404，Loss：1.5266153812408447\n",
      "训练次数：2405，Loss：1.4273009300231934\n",
      "训练次数：2406，Loss：1.5071572065353394\n",
      "训练次数：2407，Loss：1.6196942329406738\n",
      "训练次数：2408，Loss：1.7367123365402222\n",
      "训练次数：2409，Loss：1.6472434997558594\n",
      "训练次数：2410，Loss：1.5758360624313354\n",
      "训练次数：2411，Loss：1.6992425918579102\n",
      "训练次数：2412，Loss：1.560742974281311\n",
      "训练次数：2413，Loss：1.6544524431228638\n",
      "训练次数：2414，Loss：1.6153619289398193\n",
      "训练次数：2415，Loss：1.447811484336853\n",
      "训练次数：2416，Loss：1.436015009880066\n",
      "训练次数：2417，Loss：1.7587144374847412\n",
      "训练次数：2418，Loss：1.4717493057250977\n",
      "训练次数：2419，Loss：1.5443742275238037\n",
      "训练次数：2420，Loss：1.5565688610076904\n",
      "训练次数：2421，Loss：1.5673638582229614\n",
      "训练次数：2422，Loss：1.5844899415969849\n",
      "训练次数：2423，Loss：1.6550267934799194\n",
      "训练次数：2424，Loss：1.7008605003356934\n",
      "训练次数：2425，Loss：1.4554256200790405\n",
      "训练次数：2426，Loss：1.8068593740463257\n",
      "训练次数：2427，Loss：1.7312544584274292\n",
      "训练次数：2428，Loss：1.5702165365219116\n",
      "训练次数：2429，Loss：1.7834761142730713\n",
      "训练次数：2430，Loss：1.4012621641159058\n",
      "训练次数：2431，Loss：1.620631456375122\n",
      "训练次数：2432，Loss：1.6148871183395386\n",
      "训练次数：2433，Loss：1.5725455284118652\n",
      "训练次数：2434，Loss：1.3389129638671875\n",
      "训练次数：2435，Loss：1.5150818824768066\n",
      "训练次数：2436，Loss：1.5727038383483887\n",
      "训练次数：2437，Loss：1.6475415229797363\n",
      "训练次数：2438，Loss：1.5384007692337036\n",
      "训练次数：2439，Loss：1.4456679821014404\n",
      "训练次数：2440，Loss：1.4883421659469604\n",
      "训练次数：2441，Loss：1.6453479528427124\n",
      "训练次数：2442，Loss：1.7506879568099976\n",
      "训练次数：2443，Loss：1.3585808277130127\n",
      "训练次数：2444，Loss：1.6996264457702637\n",
      "训练次数：2445，Loss：1.4228755235671997\n",
      "训练次数：2446，Loss：1.5166637897491455\n",
      "训练次数：2447，Loss：1.5886266231536865\n",
      "训练次数：2448，Loss：1.4032526016235352\n",
      "训练次数：2449，Loss：1.6687687635421753\n",
      "训练次数：2450，Loss：1.9124059677124023\n",
      "训练次数：2451，Loss：2.0946431159973145\n",
      "训练次数：2452，Loss：1.5030028820037842\n",
      "训练次数：2453，Loss：1.6071603298187256\n",
      "训练次数：2454，Loss：1.746646761894226\n",
      "训练次数：2455，Loss：1.601678729057312\n",
      "训练次数：2456，Loss：1.396022081375122\n",
      "训练次数：2457，Loss：1.5571757555007935\n",
      "训练次数：2458，Loss：1.492743968963623\n",
      "训练次数：2459，Loss：1.5180329084396362\n",
      "训练次数：2460，Loss：1.321319341659546\n",
      "训练次数：2461，Loss：1.6652079820632935\n",
      "训练次数：2462，Loss：1.6326241493225098\n",
      "训练次数：2463，Loss：1.547256350517273\n",
      "训练次数：2464，Loss：1.4722574949264526\n",
      "训练次数：2465，Loss：1.7579503059387207\n",
      "训练次数：2466，Loss：1.6794795989990234\n",
      "训练次数：2467，Loss：1.6144540309906006\n",
      "训练次数：2468，Loss：1.6487737894058228\n",
      "训练次数：2469，Loss：1.6326470375061035\n",
      "训练次数：2470，Loss：1.5341390371322632\n",
      "训练次数：2471，Loss：1.5851045846939087\n",
      "训练次数：2472，Loss：1.4799983501434326\n",
      "训练次数：2473，Loss：1.5284428596496582\n",
      "训练次数：2474，Loss：1.471331238746643\n",
      "训练次数：2475，Loss：1.5484589338302612\n",
      "训练次数：2476，Loss：1.3555954694747925\n",
      "训练次数：2477，Loss：1.6573400497436523\n",
      "训练次数：2478，Loss：1.6161830425262451\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：2479，Loss：1.8049726486206055\n",
      "训练次数：2480，Loss：1.3454596996307373\n",
      "训练次数：2481，Loss：1.5147675275802612\n",
      "训练次数：2482，Loss：1.571373701095581\n",
      "训练次数：2483，Loss：1.7336456775665283\n",
      "训练次数：2484，Loss：1.6733723878860474\n",
      "训练次数：2485，Loss：1.5030254125595093\n",
      "训练次数：2486，Loss：1.8265132904052734\n",
      "训练次数：2487，Loss：1.894012689590454\n",
      "训练次数：2488，Loss：1.6396743059158325\n",
      "训练次数：2489，Loss：1.5709924697875977\n",
      "训练次数：2490，Loss：1.5011239051818848\n",
      "训练次数：2491，Loss：1.509293794631958\n",
      "训练次数：2492，Loss：1.7114455699920654\n",
      "训练次数：2493，Loss：1.5263243913650513\n",
      "训练次数：2494，Loss：1.716805100440979\n",
      "训练次数：2495，Loss：1.3997962474822998\n",
      "训练次数：2496，Loss：1.497437834739685\n",
      "训练次数：2497，Loss：1.4813264608383179\n",
      "训练次数：2498，Loss：1.6407442092895508\n",
      "训练次数：2499，Loss：1.6253942251205444\n",
      "训练次数：2500，Loss：1.3817864656448364\n",
      "训练次数：2501，Loss：1.6353278160095215\n",
      "训练次数：2502，Loss：1.612666130065918\n",
      "训练次数：2503，Loss：1.6255865097045898\n",
      "训练次数：2504，Loss：1.4518262147903442\n",
      "训练次数：2505，Loss：1.7438249588012695\n",
      "训练次数：2506，Loss：1.980110764503479\n",
      "训练次数：2507，Loss：1.583984136581421\n",
      "训练次数：2508，Loss：1.5149494409561157\n",
      "训练次数：2509，Loss：1.7336385250091553\n",
      "训练次数：2510，Loss：1.8093029260635376\n",
      "训练次数：2511，Loss：1.5482746362686157\n",
      "训练次数：2512，Loss：1.8893427848815918\n",
      "训练次数：2513，Loss：1.5805584192276\n",
      "训练次数：2514，Loss：1.5255305767059326\n",
      "训练次数：2515，Loss：1.4400982856750488\n",
      "训练次数：2516，Loss：1.4681392908096313\n",
      "训练次数：2517，Loss：1.7011497020721436\n",
      "训练次数：2518，Loss：1.5425957441329956\n",
      "训练次数：2519，Loss：1.5315498113632202\n",
      "训练次数：2520，Loss：1.7992844581604004\n",
      "训练次数：2521，Loss：1.4272582530975342\n",
      "训练次数：2522，Loss：1.5941965579986572\n",
      "训练次数：2523，Loss：1.475419282913208\n",
      "训练次数：2524，Loss：1.6971722841262817\n",
      "训练次数：2525，Loss：1.719218134880066\n",
      "训练次数：2526，Loss：1.6551614999771118\n",
      "训练次数：2527，Loss：1.4937617778778076\n",
      "训练次数：2528，Loss：1.453286051750183\n",
      "训练次数：2529，Loss：1.5104948282241821\n",
      "训练次数：2530，Loss：1.3862028121948242\n",
      "训练次数：2531，Loss：1.6940029859542847\n",
      "训练次数：2532，Loss：1.7565605640411377\n",
      "训练次数：2533，Loss：1.5077617168426514\n",
      "训练次数：2534，Loss：1.529073715209961\n",
      "训练次数：2535，Loss：1.8123775720596313\n",
      "训练次数：2536，Loss：1.5457478761672974\n",
      "训练次数：2537，Loss：1.377833366394043\n",
      "训练次数：2538，Loss：1.6554116010665894\n",
      "训练次数：2539，Loss：1.8323155641555786\n",
      "训练次数：2540，Loss：1.5056064128875732\n",
      "训练次数：2541，Loss：1.6206997632980347\n",
      "训练次数：2542，Loss：1.6959822177886963\n",
      "训练次数：2543，Loss：1.5934946537017822\n",
      "训练次数：2544，Loss：1.5815027952194214\n",
      "训练次数：2545，Loss：1.612115502357483\n",
      "训练次数：2546，Loss：1.5916905403137207\n",
      "训练次数：2547，Loss：1.4020367860794067\n",
      "训练次数：2548，Loss：1.8257560729980469\n",
      "训练次数：2549，Loss：1.6363332271575928\n",
      "训练次数：2550，Loss：1.6248186826705933\n",
      "训练次数：2551，Loss：1.5397878885269165\n",
      "训练次数：2552，Loss：1.7667571306228638\n",
      "训练次数：2553，Loss：1.6273949146270752\n",
      "训练次数：2554，Loss：1.6492844820022583\n",
      "训练次数：2555，Loss：1.644140362739563\n",
      "训练次数：2556，Loss：1.8138278722763062\n",
      "训练次数：2557，Loss：1.3750914335250854\n",
      "训练次数：2558，Loss：1.5934196710586548\n",
      "训练次数：2559，Loss：1.431438684463501\n",
      "训练次数：2560，Loss：1.5488935708999634\n",
      "训练次数：2561，Loss：1.7132744789123535\n",
      "训练次数：2562，Loss：1.7173324823379517\n",
      "训练次数：2563，Loss：1.5764029026031494\n",
      "训练次数：2564，Loss：1.5215815305709839\n",
      "训练次数：2565，Loss：1.5920125246047974\n",
      "训练次数：2566，Loss：1.558570384979248\n",
      "训练次数：2567，Loss：1.5937135219573975\n",
      "训练次数：2568，Loss：1.6127933263778687\n",
      "训练次数：2569，Loss：1.556206226348877\n",
      "训练次数：2570，Loss：1.7688411474227905\n",
      "训练次数：2571，Loss：1.794400691986084\n",
      "训练次数：2572，Loss：1.6304452419281006\n",
      "训练次数：2573，Loss：1.5455747842788696\n",
      "训练次数：2574，Loss：1.5431181192398071\n",
      "训练次数：2575，Loss：1.5273182392120361\n",
      "训练次数：2576，Loss：1.8240786790847778\n",
      "训练次数：2577，Loss：1.56242835521698\n",
      "训练次数：2578，Loss：1.584382176399231\n",
      "训练次数：2579，Loss：1.575647234916687\n",
      "训练次数：2580，Loss：1.624161720275879\n",
      "训练次数：2581，Loss：1.661992073059082\n",
      "训练次数：2582，Loss：1.8616505861282349\n",
      "训练次数：2583，Loss：1.9038734436035156\n",
      "训练次数：2584，Loss：1.5996254682540894\n",
      "训练次数：2585，Loss：1.4587030410766602\n",
      "训练次数：2586，Loss：1.4961186647415161\n",
      "训练次数：2587，Loss：1.644979476928711\n",
      "训练次数：2588，Loss：1.547002911567688\n",
      "训练次数：2589，Loss：1.5477080345153809\n",
      "训练次数：2590，Loss：1.8263826370239258\n",
      "训练次数：2591，Loss：1.4132193326950073\n",
      "训练次数：2592，Loss：1.6659629344940186\n",
      "训练次数：2593，Loss：1.587450385093689\n",
      "训练次数：2594，Loss：1.701833963394165\n",
      "训练次数：2595，Loss：1.7052688598632812\n",
      "训练次数：2596，Loss：1.703485131263733\n",
      "训练次数：2597，Loss：1.5549712181091309\n",
      "训练次数：2598，Loss：1.5919206142425537\n",
      "训练次数：2599，Loss：1.5408086776733398\n",
      "训练次数：2600，Loss：1.576005458831787\n",
      "训练次数：2601，Loss：1.6229568719863892\n",
      "训练次数：2602，Loss：1.4416890144348145\n",
      "训练次数：2603，Loss：1.527518391609192\n",
      "训练次数：2604，Loss：1.359879970550537\n",
      "训练次数：2605，Loss：1.7311758995056152\n",
      "训练次数：2606，Loss：1.6551640033721924\n",
      "训练次数：2607，Loss：1.4870226383209229\n",
      "训练次数：2608，Loss：1.6246994733810425\n",
      "训练次数：2609，Loss：1.5137310028076172\n",
      "训练次数：2610，Loss：1.6271072626113892\n",
      "训练次数：2611，Loss：1.2927864789962769\n",
      "训练次数：2612，Loss：1.3604530096054077\n",
      "训练次数：2613，Loss：1.653668761253357\n",
      "训练次数：2614，Loss：1.500810980796814\n",
      "训练次数：2615，Loss：1.5284053087234497\n",
      "训练次数：2616，Loss：1.6014349460601807\n",
      "训练次数：2617，Loss：1.6248565912246704\n",
      "训练次数：2618，Loss：1.5912762880325317\n",
      "训练次数：2619，Loss：1.5966547727584839\n",
      "训练次数：2620，Loss：1.4798543453216553\n",
      "训练次数：2621，Loss：1.4854764938354492\n",
      "训练次数：2622，Loss：1.5050182342529297\n",
      "训练次数：2623，Loss：1.8806849718093872\n",
      "训练次数：2624，Loss：1.659881830215454\n",
      "训练次数：2625，Loss：1.5850633382797241\n",
      "训练次数：2626，Loss：1.3923999071121216\n",
      "训练次数：2627，Loss：1.493536114692688\n",
      "训练次数：2628，Loss：1.5626457929611206\n",
      "训练次数：2629，Loss：1.4859369993209839\n",
      "训练次数：2630，Loss：1.6024795770645142\n",
      "训练次数：2631，Loss：1.4876034259796143\n",
      "训练次数：2632，Loss：1.5416852235794067\n",
      "训练次数：2633，Loss：1.6107968091964722\n",
      "训练次数：2634，Loss：1.5176440477371216\n",
      "训练次数：2635，Loss：1.6769651174545288\n",
      "训练次数：2636，Loss：1.5304449796676636\n",
      "训练次数：2637，Loss：1.5412330627441406\n",
      "训练次数：2638，Loss：1.5505470037460327\n",
      "训练次数：2639，Loss：1.5716626644134521\n",
      "训练次数：2640，Loss：1.4445583820343018\n",
      "训练次数：2641，Loss：1.5304900407791138\n",
      "训练次数：2642，Loss：1.475019097328186\n",
      "训练次数：2643，Loss：1.8090040683746338\n",
      "训练次数：2644，Loss：1.5826934576034546\n",
      "训练次数：2645，Loss：1.440335750579834\n",
      "训练次数：2646，Loss：1.5999079942703247\n",
      "训练次数：2647，Loss：1.6248995065689087\n",
      "训练次数：2648，Loss：1.6212488412857056\n",
      "训练次数：2649，Loss：1.5434346199035645\n",
      "训练次数：2650，Loss：1.419329047203064\n",
      "训练次数：2651，Loss：1.516778588294983\n",
      "训练次数：2652，Loss：1.8498684167861938\n",
      "训练次数：2653，Loss：1.4691616296768188\n",
      "训练次数：2654，Loss：1.6454259157180786\n",
      "训练次数：2655，Loss：1.5907570123672485\n",
      "训练次数：2656，Loss：1.4346731901168823\n",
      "训练次数：2657，Loss：1.4442960023880005\n",
      "训练次数：2658，Loss：1.4733891487121582\n",
      "训练次数：2659，Loss：1.729373574256897\n",
      "训练次数：2660，Loss：1.5736395120620728\n",
      "训练次数：2661，Loss：1.4578759670257568\n",
      "训练次数：2662，Loss：1.7707628011703491\n",
      "训练次数：2663，Loss：1.6812899112701416\n",
      "训练次数：2664，Loss：1.7322252988815308\n",
      "训练次数：2665，Loss：1.3855907917022705\n",
      "训练次数：2666，Loss：1.5088778734207153\n",
      "训练次数：2667，Loss：1.5927107334136963\n",
      "训练次数：2668，Loss：1.7247405052185059\n",
      "训练次数：2669，Loss：1.55721116065979\n",
      "训练次数：2670，Loss：1.7260565757751465\n",
      "训练次数：2671，Loss：1.506324291229248\n",
      "训练次数：2672，Loss：1.4859461784362793\n",
      "训练次数：2673，Loss：1.4807078838348389\n",
      "训练次数：2674，Loss：1.5432546138763428\n",
      "训练次数：2675，Loss：1.49458909034729\n",
      "训练次数：2676，Loss：1.5513414144515991\n",
      "训练次数：2677，Loss：1.5027761459350586\n",
      "训练次数：2678，Loss：1.5918238162994385\n",
      "训练次数：2679，Loss：1.4862632751464844\n",
      "训练次数：2680，Loss：1.6171422004699707\n",
      "训练次数：2681，Loss：1.7060596942901611\n",
      "训练次数：2682，Loss：1.6337075233459473\n",
      "训练次数：2683，Loss：1.576965570449829\n",
      "训练次数：2684，Loss：1.3869799375534058\n",
      "训练次数：2685，Loss：1.5696090459823608\n",
      "训练次数：2686，Loss：1.467299461364746\n",
      "训练次数：2687，Loss：1.7589716911315918\n",
      "训练次数：2688，Loss：1.6599417924880981\n",
      "训练次数：2689，Loss：1.3953884840011597\n",
      "训练次数：2690，Loss：1.5745000839233398\n",
      "训练次数：2691，Loss：1.5923800468444824\n",
      "训练次数：2692，Loss：1.4254070520401\n",
      "训练次数：2693，Loss：1.4671432971954346\n",
      "训练次数：2694，Loss：1.6357431411743164\n",
      "训练次数：2695，Loss：1.6258296966552734\n",
      "训练次数：2696，Loss：1.4488921165466309\n",
      "训练次数：2697，Loss：1.535546898841858\n",
      "训练次数：2698，Loss：1.573676586151123\n",
      "训练次数：2699，Loss：1.476940631866455\n",
      "训练次数：2700，Loss：1.707467794418335\n",
      "训练次数：2701，Loss：1.4504008293151855\n",
      "训练次数：2702，Loss：1.4914265871047974\n",
      "训练次数：2703，Loss：1.5486952066421509\n",
      "训练次数：2704，Loss：1.6077113151550293\n",
      "训练次数：2705，Loss：1.4513827562332153\n",
      "训练次数：2706，Loss：1.7153995037078857\n",
      "训练次数：2707，Loss：1.556455135345459\n",
      "训练次数：2708，Loss：1.3761539459228516\n",
      "训练次数：2709，Loss：1.7527835369110107\n",
      "训练次数：2710，Loss：1.4807759523391724\n",
      "训练次数：2711，Loss：1.1778525114059448\n",
      "训练次数：2712，Loss：1.3719239234924316\n",
      "训练次数：2713，Loss：1.6100414991378784\n",
      "训练次数：2714，Loss：1.6865911483764648\n",
      "训练次数：2715，Loss：1.4175527095794678\n",
      "训练次数：2716，Loss：1.544167160987854\n",
      "训练次数：2717，Loss：1.2793159484863281\n",
      "训练次数：2718，Loss：1.642547845840454\n",
      "训练次数：2719，Loss：1.3894178867340088\n",
      "训练次数：2720，Loss：1.4667357206344604\n",
      "训练次数：2721，Loss：1.7167974710464478\n",
      "训练次数：2722，Loss：1.4470359086990356\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：2723，Loss：1.417325735092163\n",
      "训练次数：2724，Loss：1.4670937061309814\n",
      "训练次数：2725，Loss：1.4987155199050903\n",
      "训练次数：2726，Loss：1.5427653789520264\n",
      "训练次数：2727，Loss：1.6952738761901855\n",
      "训练次数：2728，Loss：1.4431238174438477\n",
      "训练次数：2729，Loss：1.4533309936523438\n",
      "训练次数：2730，Loss：1.41251802444458\n",
      "训练次数：2731，Loss：1.4595258235931396\n",
      "训练次数：2732，Loss：1.525325894355774\n",
      "训练次数：2733，Loss：1.4343641996383667\n",
      "训练次数：2734，Loss：1.7602797746658325\n",
      "训练次数：2735，Loss：1.582770586013794\n",
      "训练次数：2736，Loss：1.341876745223999\n",
      "训练次数：2737，Loss：1.530017375946045\n",
      "训练次数：2738，Loss：1.3048319816589355\n",
      "训练次数：2739，Loss：1.5022375583648682\n",
      "训练次数：2740，Loss：1.715235710144043\n",
      "训练次数：2741，Loss：1.570604681968689\n",
      "训练次数：2742，Loss：1.612159252166748\n",
      "训练次数：2743，Loss：1.5076751708984375\n",
      "训练次数：2744，Loss：1.6572575569152832\n",
      "训练次数：2745，Loss：1.4084545373916626\n",
      "训练次数：2746，Loss：1.5075771808624268\n",
      "训练次数：2747，Loss：1.6133567094802856\n",
      "训练次数：2748，Loss：1.7063963413238525\n",
      "训练次数：2749，Loss：1.5926209688186646\n",
      "训练次数：2750，Loss：1.3967623710632324\n",
      "训练次数：2751，Loss：1.6935460567474365\n",
      "训练次数：2752，Loss：1.4628651142120361\n",
      "训练次数：2753，Loss：1.4810640811920166\n",
      "训练次数：2754，Loss：1.23476243019104\n",
      "训练次数：2755，Loss：1.4764723777770996\n",
      "训练次数：2756，Loss：1.3311744928359985\n",
      "训练次数：2757，Loss：1.744340181350708\n",
      "训练次数：2758，Loss：1.5382393598556519\n",
      "训练次数：2759，Loss：1.6560612916946411\n",
      "训练次数：2760，Loss：1.5527958869934082\n",
      "训练次数：2761，Loss：1.5987035036087036\n",
      "训练次数：2762，Loss：1.5114210844039917\n",
      "训练次数：2763，Loss：1.7731715440750122\n",
      "训练次数：2764，Loss：1.425464153289795\n",
      "训练次数：2765，Loss：1.4826629161834717\n",
      "训练次数：2766，Loss：1.601217269897461\n",
      "训练次数：2767，Loss：1.563592553138733\n",
      "训练次数：2768，Loss：1.5019376277923584\n",
      "训练次数：2769，Loss：1.6700687408447266\n",
      "训练次数：2770，Loss：1.4872233867645264\n",
      "训练次数：2771，Loss：1.4904385805130005\n",
      "训练次数：2772，Loss：1.6772050857543945\n",
      "训练次数：2773，Loss：1.6610811948776245\n",
      "训练次数：2774，Loss：1.4381307363510132\n",
      "训练次数：2775，Loss：1.5736445188522339\n",
      "训练次数：2776，Loss：1.560605764389038\n",
      "训练次数：2777，Loss：1.551435112953186\n",
      "训练次数：2778，Loss：1.4546046257019043\n",
      "训练次数：2779，Loss：1.6556456089019775\n",
      "训练次数：2780，Loss：1.469286561012268\n",
      "训练次数：2781，Loss：1.511684775352478\n",
      "训练次数：2782，Loss：1.825799822807312\n",
      "训练次数：2783，Loss：1.6695863008499146\n",
      "训练次数：2784，Loss：1.6951282024383545\n",
      "训练次数：2785，Loss：1.5584192276000977\n",
      "训练次数：2786，Loss：1.62046217918396\n",
      "训练次数：2787，Loss：1.7215925455093384\n",
      "训练次数：2788，Loss：1.492238998413086\n",
      "训练次数：2789，Loss：1.6079181432724\n",
      "训练次数：2790，Loss：1.4579975605010986\n",
      "训练次数：2791，Loss：1.6040899753570557\n",
      "训练次数：2792，Loss：1.6712371110916138\n",
      "训练次数：2793，Loss：1.5697335004806519\n",
      "训练次数：2794，Loss：1.5281310081481934\n",
      "训练次数：2795，Loss：1.4044432640075684\n",
      "训练次数：2796，Loss：1.7165664434432983\n",
      "训练次数：2797，Loss：1.347549557685852\n",
      "训练次数：2798，Loss：1.304373860359192\n",
      "训练次数：2799，Loss：1.4413343667984009\n",
      "训练次数：2800，Loss：1.5238609313964844\n",
      "训练次数：2801，Loss：1.672803521156311\n",
      "训练次数：2802，Loss：1.564042329788208\n",
      "训练次数：2803，Loss：1.6354703903198242\n",
      "训练次数：2804，Loss：1.3514653444290161\n",
      "训练次数：2805，Loss：1.3642610311508179\n",
      "训练次数：2806，Loss：1.4819523096084595\n",
      "训练次数：2807，Loss：1.6653480529785156\n",
      "训练次数：2808，Loss：1.509153127670288\n",
      "训练次数：2809，Loss：1.4484529495239258\n",
      "训练次数：2810，Loss：1.582026720046997\n",
      "训练次数：2811，Loss：1.5390807390213013\n",
      "训练次数：2812，Loss：1.3681542873382568\n",
      "训练次数：2813，Loss：1.5950872898101807\n",
      "训练次数：2814，Loss：1.4809377193450928\n",
      "训练次数：2815，Loss：1.4410442113876343\n",
      "训练次数：2816，Loss：1.5920439958572388\n",
      "训练次数：2817，Loss：1.5198317766189575\n",
      "训练次数：2818，Loss：1.6557698249816895\n",
      "训练次数：2819，Loss：1.3718830347061157\n",
      "训练次数：2820，Loss：1.6993293762207031\n",
      "训练次数：2821，Loss：1.26692795753479\n",
      "训练次数：2822，Loss：1.723411202430725\n",
      "训练次数：2823，Loss：1.5515897274017334\n",
      "训练次数：2824，Loss：1.752037525177002\n",
      "训练次数：2825，Loss：1.709768533706665\n",
      "训练次数：2826，Loss：1.5018612146377563\n",
      "训练次数：2827，Loss：1.639006495475769\n",
      "训练次数：2828，Loss：1.662082552909851\n",
      "训练次数：2829，Loss：1.5047849416732788\n",
      "训练次数：2830，Loss：1.376510500907898\n",
      "训练次数：2831，Loss：1.437985897064209\n",
      "训练次数：2832，Loss：1.2835133075714111\n",
      "训练次数：2833，Loss：1.6744544506072998\n",
      "训练次数：2834，Loss：1.6655595302581787\n",
      "训练次数：2835，Loss：1.48372483253479\n",
      "训练次数：2836，Loss：1.3480479717254639\n",
      "训练次数：2837，Loss：1.7812461853027344\n",
      "训练次数：2838，Loss：1.5651671886444092\n",
      "训练次数：2839，Loss：1.5373661518096924\n",
      "训练次数：2840，Loss：1.3795298337936401\n",
      "训练次数：2841，Loss：1.5271028280258179\n",
      "训练次数：2842，Loss：1.6535253524780273\n",
      "训练次数：2843，Loss：1.512021780014038\n",
      "训练次数：2844，Loss：1.6322540044784546\n",
      "训练次数：2845，Loss：1.8049014806747437\n",
      "训练次数：2846，Loss：1.558789610862732\n",
      "训练次数：2847，Loss：1.5753549337387085\n",
      "训练次数：2848，Loss：1.5856376886367798\n",
      "训练次数：2849，Loss：1.4304285049438477\n",
      "训练次数：2850，Loss：1.694445252418518\n",
      "训练次数：2851，Loss：1.6192278861999512\n",
      "训练次数：2852，Loss：1.6184098720550537\n",
      "训练次数：2853，Loss：1.482415795326233\n",
      "训练次数：2854，Loss：1.499936580657959\n",
      "训练次数：2855，Loss：1.612810730934143\n",
      "训练次数：2856，Loss：1.5128092765808105\n",
      "训练次数：2857，Loss：1.6435638666152954\n",
      "训练次数：2858，Loss：1.4656325578689575\n",
      "训练次数：2859，Loss：1.6452713012695312\n",
      "训练次数：2860，Loss：1.6061114072799683\n",
      "训练次数：2861，Loss：1.8005356788635254\n",
      "训练次数：2862，Loss：1.4811813831329346\n",
      "训练次数：2863，Loss：1.789707064628601\n",
      "训练次数：2864，Loss：1.3550269603729248\n",
      "训练次数：2865，Loss：1.5361002683639526\n",
      "训练次数：2866，Loss：1.4769744873046875\n",
      "训练次数：2867，Loss：1.702481985092163\n",
      "训练次数：2868，Loss：1.6959855556488037\n",
      "训练次数：2869，Loss：1.515506625175476\n",
      "训练次数：2870，Loss：1.6551645994186401\n",
      "训练次数：2871，Loss：1.6969150304794312\n",
      "训练次数：2872，Loss：1.75099515914917\n",
      "训练次数：2873，Loss：1.5681273937225342\n",
      "训练次数：2874，Loss：1.4728952646255493\n",
      "训练次数：2875，Loss：1.5677824020385742\n",
      "训练次数：2876，Loss：1.8277486562728882\n",
      "训练次数：2877，Loss：1.6772000789642334\n",
      "训练次数：2878，Loss：1.6700083017349243\n",
      "训练次数：2879，Loss：1.5266108512878418\n",
      "训练次数：2880，Loss：1.3341223001480103\n",
      "训练次数：2881，Loss：1.5249392986297607\n",
      "训练次数：2882，Loss：1.417258858680725\n",
      "训练次数：2883，Loss：1.6476315259933472\n",
      "训练次数：2884，Loss：1.5855823755264282\n",
      "训练次数：2885，Loss：1.553406834602356\n",
      "训练次数：2886，Loss：1.5626367330551147\n",
      "训练次数：2887，Loss：1.5832502841949463\n",
      "训练次数：2888，Loss：1.580221176147461\n",
      "训练次数：2889，Loss：1.5421130657196045\n",
      "训练次数：2890，Loss：1.4530616998672485\n",
      "训练次数：2891，Loss：1.4757951498031616\n",
      "训练次数：2892，Loss：1.4731881618499756\n",
      "训练次数：2893，Loss：1.6146845817565918\n",
      "训练次数：2894，Loss：1.5550000667572021\n",
      "训练次数：2895，Loss：1.5600309371948242\n",
      "训练次数：2896，Loss：1.5389187335968018\n",
      "训练次数：2897，Loss：1.4376362562179565\n",
      "训练次数：2898，Loss：1.763838529586792\n",
      "训练次数：2899，Loss：1.4070900678634644\n",
      "训练次数：2900，Loss：1.6148651838302612\n",
      "训练次数：2901，Loss：1.4194210767745972\n",
      "训练次数：2902，Loss：1.39119291305542\n",
      "训练次数：2903，Loss：1.695387601852417\n",
      "训练次数：2904，Loss：1.6257301568984985\n",
      "训练次数：2905，Loss：1.5078034400939941\n",
      "训练次数：2906，Loss：1.5106571912765503\n",
      "训练次数：2907，Loss：1.459230899810791\n",
      "训练次数：2908，Loss：1.5238416194915771\n",
      "训练次数：2909，Loss：1.6608721017837524\n",
      "训练次数：2910，Loss：1.5718467235565186\n",
      "训练次数：2911，Loss：1.4937772750854492\n",
      "训练次数：2912，Loss：1.6309455633163452\n",
      "训练次数：2913，Loss：1.4206041097640991\n",
      "训练次数：2914，Loss：1.5947949886322021\n",
      "训练次数：2915，Loss：1.5711745023727417\n",
      "训练次数：2916，Loss：1.4005939960479736\n",
      "训练次数：2917，Loss：1.5400785207748413\n",
      "训练次数：2918，Loss：1.4611239433288574\n",
      "训练次数：2919，Loss：1.4030474424362183\n",
      "训练次数：2920，Loss：1.6049036979675293\n",
      "训练次数：2921，Loss：1.4336071014404297\n",
      "训练次数：2922，Loss：1.5089141130447388\n",
      "训练次数：2923，Loss：1.7456839084625244\n",
      "训练次数：2924，Loss：1.839971661567688\n",
      "训练次数：2925，Loss：1.3400777578353882\n",
      "训练次数：2926，Loss：1.5555219650268555\n",
      "训练次数：2927，Loss：1.5973984003067017\n",
      "训练次数：2928，Loss：1.5514158010482788\n",
      "训练次数：2929，Loss：1.3943750858306885\n",
      "训练次数：2930，Loss：1.560988426208496\n",
      "训练次数：2931，Loss：1.5568426847457886\n",
      "训练次数：2932，Loss：1.3872134685516357\n",
      "训练次数：2933，Loss：1.636409878730774\n",
      "训练次数：2934，Loss：1.5014963150024414\n",
      "训练次数：2935，Loss：1.5960543155670166\n",
      "训练次数：2936，Loss：1.5051084756851196\n",
      "训练次数：2937，Loss：1.638201117515564\n",
      "训练次数：2938，Loss：1.4024276733398438\n",
      "训练次数：2939，Loss：1.608157992362976\n",
      "训练次数：2940，Loss：1.7715530395507812\n",
      "训练次数：2941，Loss：1.5743557214736938\n",
      "训练次数：2942，Loss：1.838392972946167\n",
      "训练次数：2943，Loss：1.5073087215423584\n",
      "训练次数：2944，Loss：1.592652440071106\n",
      "训练次数：2945，Loss：1.6062202453613281\n",
      "训练次数：2946，Loss：1.626451015472412\n",
      "训练次数：2947，Loss：1.6442941427230835\n",
      "训练次数：2948，Loss：1.377954125404358\n",
      "训练次数：2949，Loss：1.314296841621399\n",
      "训练次数：2950，Loss：1.5458588600158691\n",
      "训练次数：2951，Loss：1.5238063335418701\n",
      "训练次数：2952，Loss：1.3969789743423462\n",
      "训练次数：2953，Loss：1.2918657064437866\n",
      "训练次数：2954，Loss：1.535171389579773\n",
      "训练次数：2955，Loss：1.4990642070770264\n",
      "训练次数：2956，Loss：1.6223504543304443\n",
      "训练次数：2957，Loss：1.5120165348052979\n",
      "训练次数：2958，Loss：1.6117981672286987\n",
      "训练次数：2959，Loss：1.6206839084625244\n",
      "训练次数：2960，Loss：1.4017373323440552\n",
      "训练次数：2961，Loss：1.611757516860962\n",
      "训练次数：2962，Loss：1.5055818557739258\n",
      "训练次数：2963，Loss：1.4623724222183228\n",
      "训练次数：2964，Loss：1.4963387250900269\n",
      "训练次数：2965，Loss：1.5995341539382935\n",
      "训练次数：2966，Loss：1.7401149272918701\n",
      "训练次数：2967，Loss：1.5650430917739868\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：2968，Loss：1.6656348705291748\n",
      "训练次数：2969，Loss：1.4731004238128662\n",
      "训练次数：2970，Loss：1.4553638696670532\n",
      "训练次数：2971，Loss：1.5429588556289673\n",
      "训练次数：2972，Loss：1.3009228706359863\n",
      "训练次数：2973，Loss：1.4140675067901611\n",
      "训练次数：2974，Loss：1.7507555484771729\n",
      "训练次数：2975，Loss：1.7472476959228516\n",
      "训练次数：2976，Loss：1.3875199556350708\n",
      "训练次数：2977，Loss：1.4913673400878906\n",
      "训练次数：2978，Loss：1.6808011531829834\n",
      "训练次数：2979，Loss：1.5386906862258911\n",
      "训练次数：2980，Loss：1.3373733758926392\n",
      "训练次数：2981，Loss：1.5903528928756714\n",
      "训练次数：2982，Loss：1.3555893898010254\n",
      "训练次数：2983，Loss：1.7107890844345093\n",
      "训练次数：2984，Loss：1.623310923576355\n",
      "训练次数：2985，Loss：1.6422293186187744\n",
      "训练次数：2986，Loss：1.7180578708648682\n",
      "训练次数：2987，Loss：1.6234707832336426\n",
      "训练次数：2988，Loss：1.6808494329452515\n",
      "训练次数：2989，Loss：1.5984079837799072\n",
      "训练次数：2990，Loss：1.4158309698104858\n",
      "训练次数：2991，Loss：1.4206880331039429\n",
      "训练次数：2992，Loss：1.7806605100631714\n",
      "训练次数：2993，Loss：1.4816443920135498\n",
      "训练次数：2994，Loss：1.458383321762085\n",
      "训练次数：2995，Loss：1.5902972221374512\n",
      "训练次数：2996，Loss：1.7166451215744019\n",
      "训练次数：2997，Loss：1.3978601694107056\n",
      "训练次数：2998，Loss：1.642034888267517\n",
      "训练次数：2999，Loss：1.3253276348114014\n",
      "训练次数：3000，Loss：1.3493046760559082\n",
      "训练次数：3001，Loss：1.530067801475525\n",
      "训练次数：3002，Loss：1.575076937675476\n",
      "训练次数：3003，Loss：1.6172536611557007\n",
      "训练次数：3004，Loss：1.434029459953308\n",
      "训练次数：3005，Loss：1.714502215385437\n",
      "训练次数：3006，Loss：1.5026195049285889\n",
      "训练次数：3007，Loss：1.5957261323928833\n",
      "训练次数：3008，Loss：1.392183780670166\n",
      "训练次数：3009，Loss：1.283527135848999\n",
      "训练次数：3010，Loss：1.4689438343048096\n",
      "训练次数：3011，Loss：1.852294921875\n",
      "训练次数：3012，Loss：1.7570562362670898\n",
      "训练次数：3013，Loss：1.3754607439041138\n",
      "训练次数：3014，Loss：1.6508527994155884\n",
      "训练次数：3015，Loss：1.5050303936004639\n",
      "训练次数：3016，Loss：1.542256474494934\n",
      "训练次数：3017，Loss：1.640851378440857\n",
      "训练次数：3018，Loss：1.3604620695114136\n",
      "训练次数：3019，Loss：1.4537768363952637\n",
      "训练次数：3020，Loss：1.4975587129592896\n",
      "训练次数：3021，Loss：1.6086480617523193\n",
      "训练次数：3022，Loss：1.6437532901763916\n",
      "训练次数：3023，Loss：1.4863618612289429\n",
      "训练次数：3024，Loss：1.4055997133255005\n",
      "训练次数：3025，Loss：1.6345261335372925\n",
      "训练次数：3026，Loss：1.6634831428527832\n",
      "训练次数：3027，Loss：1.6449272632598877\n",
      "训练次数：3028，Loss：1.2508978843688965\n",
      "训练次数：3029，Loss：1.391814112663269\n",
      "训练次数：3030，Loss：1.4785642623901367\n",
      "训练次数：3031，Loss：1.659618854522705\n",
      "训练次数：3032，Loss：1.8588730096817017\n",
      "训练次数：3033，Loss：1.614799976348877\n",
      "训练次数：3034，Loss：1.4391233921051025\n",
      "训练次数：3035，Loss：1.5526821613311768\n",
      "训练次数：3036，Loss：1.5906871557235718\n",
      "训练次数：3037，Loss：1.5891355276107788\n",
      "训练次数：3038，Loss：1.7047051191329956\n",
      "训练次数：3039，Loss：1.7134556770324707\n",
      "训练次数：3040，Loss：1.641688346862793\n",
      "训练次数：3041，Loss：1.6060277223587036\n",
      "训练次数：3042，Loss：1.5149891376495361\n",
      "训练次数：3043，Loss：1.547289490699768\n",
      "训练次数：3044，Loss：1.5293890237808228\n",
      "训练次数：3045，Loss：1.386400580406189\n",
      "训练次数：3046，Loss：1.6712967157363892\n",
      "训练次数：3047，Loss：1.5843483209609985\n",
      "训练次数：3048，Loss：1.6371703147888184\n",
      "训练次数：3049，Loss：1.444753646850586\n",
      "训练次数：3050，Loss：1.2955092191696167\n",
      "训练次数：3051，Loss：1.4981234073638916\n",
      "训练次数：3052，Loss：1.5263421535491943\n",
      "训练次数：3053，Loss：1.7021417617797852\n",
      "训练次数：3054，Loss：1.5817277431488037\n",
      "训练次数：3055，Loss：1.3554537296295166\n",
      "训练次数：3056，Loss：1.3422839641571045\n",
      "训练次数：3057，Loss：1.6692904233932495\n",
      "训练次数：3058，Loss：1.4336371421813965\n",
      "训练次数：3059，Loss：1.5204973220825195\n",
      "训练次数：3060，Loss：1.4794771671295166\n",
      "训练次数：3061，Loss：1.4837656021118164\n",
      "训练次数：3062，Loss：1.5675382614135742\n",
      "训练次数：3063，Loss：1.4011037349700928\n",
      "训练次数：3064，Loss：1.4914894104003906\n",
      "训练次数：3065，Loss：1.4878201484680176\n",
      "训练次数：3066，Loss：1.4674333333969116\n",
      "训练次数：3067，Loss：1.3743295669555664\n",
      "训练次数：3068，Loss：1.4830942153930664\n",
      "训练次数：3069，Loss：1.3420629501342773\n",
      "训练次数：3070，Loss：1.6644912958145142\n",
      "训练次数：3071，Loss：1.5172945261001587\n",
      "训练次数：3072，Loss：1.4161549806594849\n",
      "训练次数：3073，Loss：1.6897740364074707\n",
      "训练次数：3074，Loss：1.8079675436019897\n",
      "训练次数：3075，Loss：1.4844030141830444\n",
      "训练次数：3076，Loss：1.5498214960098267\n",
      "训练次数：3077，Loss：1.3809516429901123\n",
      "训练次数：3078，Loss：1.4854683876037598\n",
      "训练次数：3079，Loss：1.4966764450073242\n",
      "训练次数：3080，Loss：1.4844131469726562\n",
      "训练次数：3081，Loss：1.4708279371261597\n",
      "训练次数：3082，Loss：1.6996020078659058\n",
      "训练次数：3083，Loss：1.3370997905731201\n",
      "训练次数：3084，Loss：1.6181753873825073\n",
      "训练次数：3085，Loss：1.3715091943740845\n",
      "训练次数：3086，Loss：1.323701024055481\n",
      "训练次数：3087，Loss：1.6113742589950562\n",
      "训练次数：3088，Loss：1.5142146348953247\n",
      "训练次数：3089，Loss：1.6716431379318237\n",
      "训练次数：3090，Loss：1.4331156015396118\n",
      "训练次数：3091，Loss：1.38872492313385\n",
      "训练次数：3092，Loss：1.5002344846725464\n",
      "训练次数：3093，Loss：1.3018471002578735\n",
      "训练次数：3094，Loss：1.6740442514419556\n",
      "训练次数：3095，Loss：1.678826093673706\n",
      "训练次数：3096，Loss：1.3435649871826172\n",
      "训练次数：3097，Loss：1.8973628282546997\n",
      "训练次数：3098，Loss：1.6330276727676392\n",
      "训练次数：3099，Loss：1.512244462966919\n",
      "训练次数：3100，Loss：1.5513479709625244\n",
      "训练次数：3101，Loss：1.4559777975082397\n",
      "训练次数：3102，Loss：1.5623246431350708\n",
      "训练次数：3103，Loss：1.6225162744522095\n",
      "训练次数：3104，Loss：1.5466759204864502\n",
      "训练次数：3105，Loss：1.697192668914795\n",
      "训练次数：3106，Loss：1.517052412033081\n",
      "训练次数：3107，Loss：1.5119742155075073\n",
      "训练次数：3108，Loss：1.7044367790222168\n",
      "训练次数：3109，Loss：1.4664314985275269\n",
      "训练次数：3110，Loss：1.5430147647857666\n",
      "训练次数：3111，Loss：1.36478590965271\n",
      "训练次数：3112，Loss：1.6608420610427856\n",
      "训练次数：3113，Loss：1.515770673751831\n",
      "训练次数：3114，Loss：1.5602246522903442\n",
      "训练次数：3115，Loss：1.3222284317016602\n",
      "训练次数：3116，Loss：1.4383344650268555\n",
      "训练次数：3117，Loss：1.5325795412063599\n",
      "训练次数：3118，Loss：1.4874281883239746\n",
      "训练次数：3119，Loss：1.493259072303772\n",
      "训练次数：3120，Loss：1.4063798189163208\n",
      "训练次数：3121，Loss：1.5271148681640625\n",
      "训练次数：3122，Loss：1.2745394706726074\n",
      "训练次数：3123，Loss：1.636045217514038\n",
      "训练次数：3124，Loss：1.482405185699463\n",
      "训练次数：3125，Loss：1.517656683921814\n",
      "训练次数：3126，Loss：1.3997808694839478\n",
      "训练次数：3127，Loss：1.5784509181976318\n",
      "训练次数：3128，Loss：2.270616054534912\n",
      "-----第 5 轮训练开始-----\n",
      "训练次数：3129，Loss：1.680168628692627\n",
      "训练次数：3130，Loss：1.4717119932174683\n",
      "训练次数：3131，Loss：1.7041345834732056\n",
      "训练次数：3132，Loss：1.2232654094696045\n",
      "训练次数：3133，Loss：1.384581446647644\n",
      "训练次数：3134，Loss：1.4604731798171997\n",
      "训练次数：3135，Loss：1.518237829208374\n",
      "训练次数：3136，Loss：1.4900096654891968\n",
      "训练次数：3137，Loss：1.4672595262527466\n",
      "训练次数：3138，Loss：1.6923582553863525\n",
      "训练次数：3139，Loss：1.6047872304916382\n",
      "训练次数：3140，Loss：1.6110267639160156\n",
      "训练次数：3141，Loss：1.5437076091766357\n",
      "训练次数：3142，Loss：1.6694468259811401\n",
      "训练次数：3143，Loss：1.5256325006484985\n",
      "训练次数：3144，Loss：1.2892658710479736\n",
      "训练次数：3145，Loss：1.4845906496047974\n",
      "训练次数：3146，Loss：1.3736402988433838\n",
      "训练次数：3147，Loss：1.5407981872558594\n",
      "训练次数：3148，Loss：1.3538475036621094\n",
      "训练次数：3149，Loss：1.6105964183807373\n",
      "训练次数：3150，Loss：1.3757635354995728\n",
      "训练次数：3151，Loss：1.4680640697479248\n",
      "训练次数：3152，Loss：1.4850513935089111\n",
      "训练次数：3153，Loss：1.430773138999939\n",
      "训练次数：3154，Loss：1.4019805192947388\n",
      "训练次数：3155，Loss：1.4643406867980957\n",
      "训练次数：3156，Loss：1.4230334758758545\n",
      "训练次数：3157，Loss：1.2909976243972778\n",
      "训练次数：3158，Loss：1.4100630283355713\n",
      "训练次数：3159，Loss：1.7033241987228394\n",
      "训练次数：3160，Loss：1.681423306465149\n",
      "训练次数：3161，Loss：1.5733484029769897\n",
      "训练次数：3162，Loss：1.318381428718567\n",
      "训练次数：3163，Loss：1.4645586013793945\n",
      "训练次数：3164，Loss：1.4263228178024292\n",
      "训练次数：3165，Loss：1.5051283836364746\n",
      "训练次数：3166，Loss：1.4505690336227417\n",
      "训练次数：3167，Loss：1.476839542388916\n",
      "训练次数：3168，Loss：1.7993147373199463\n",
      "训练次数：3169，Loss：1.599224328994751\n",
      "训练次数：3170，Loss：1.4464813470840454\n",
      "训练次数：3171，Loss：1.5709596872329712\n",
      "训练次数：3172，Loss：1.710904598236084\n",
      "训练次数：3173，Loss：1.425934910774231\n",
      "训练次数：3174，Loss：1.3882967233657837\n",
      "训练次数：3175，Loss：1.495194435119629\n",
      "训练次数：3176，Loss：1.634603500366211\n",
      "训练次数：3177，Loss：1.552985429763794\n",
      "训练次数：3178，Loss：1.620129108428955\n",
      "训练次数：3179，Loss：1.4958440065383911\n",
      "训练次数：3180，Loss：1.5959875583648682\n",
      "训练次数：3181，Loss：1.5387287139892578\n",
      "训练次数：3182，Loss：1.6379506587982178\n",
      "训练次数：3183，Loss：1.3740769624710083\n",
      "训练次数：3184，Loss：1.375471591949463\n",
      "训练次数：3185，Loss：1.555266261100769\n",
      "训练次数：3186，Loss：1.4124552011489868\n",
      "训练次数：3187，Loss：1.3381016254425049\n",
      "训练次数：3188，Loss：1.4169673919677734\n",
      "训练次数：3189，Loss：1.5212956666946411\n",
      "训练次数：3190，Loss：1.6136704683303833\n",
      "训练次数：3191，Loss：1.5876294374465942\n",
      "训练次数：3192，Loss：1.4867085218429565\n",
      "训练次数：3193，Loss：1.5978189706802368\n",
      "训练次数：3194，Loss：1.4932841062545776\n",
      "训练次数：3195，Loss：1.5585720539093018\n",
      "训练次数：3196，Loss：1.5628269910812378\n",
      "训练次数：3197，Loss：1.3093771934509277\n",
      "训练次数：3198，Loss：1.3236680030822754\n",
      "训练次数：3199，Loss：1.676841139793396\n",
      "训练次数：3200，Loss：1.3935668468475342\n",
      "训练次数：3201，Loss：1.4681395292282104\n",
      "训练次数：3202，Loss：1.4361457824707031\n",
      "训练次数：3203，Loss：1.5179308652877808\n",
      "训练次数：3204，Loss：1.5454720258712769\n",
      "训练次数：3205，Loss：1.5760738849639893\n",
      "训练次数：3206，Loss：1.6550109386444092\n",
      "训练次数：3207，Loss：1.3983373641967773\n",
      "训练次数：3208，Loss：1.7290797233581543\n",
      "训练次数：3209，Loss：1.6630029678344727\n",
      "训练次数：3210，Loss：1.4182415008544922\n",
      "训练次数：3211，Loss：1.6613187789916992\n",
      "训练次数：3212，Loss：1.3643649816513062\n",
      "训练次数：3213，Loss：1.5724997520446777\n",
      "训练次数：3214，Loss：1.5287110805511475\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：3215，Loss：1.4701874256134033\n",
      "训练次数：3216，Loss：1.2213114500045776\n",
      "训练次数：3217，Loss：1.4581425189971924\n",
      "训练次数：3218，Loss：1.4918793439865112\n",
      "训练次数：3219，Loss：1.5634877681732178\n",
      "训练次数：3220，Loss：1.4896537065505981\n",
      "训练次数：3221，Loss：1.3483103513717651\n",
      "训练次数：3222，Loss：1.4395290613174438\n",
      "训练次数：3223，Loss：1.50430166721344\n",
      "训练次数：3224，Loss：1.7255268096923828\n",
      "训练次数：3225，Loss：1.2840665578842163\n",
      "训练次数：3226，Loss：1.641929268836975\n",
      "训练次数：3227，Loss：1.2908079624176025\n",
      "训练次数：3228，Loss：1.3656672239303589\n",
      "训练次数：3229，Loss：1.5008488893508911\n",
      "训练次数：3230，Loss：1.3258776664733887\n",
      "训练次数：3231，Loss：1.554675817489624\n",
      "训练次数：3232，Loss：1.7487151622772217\n",
      "训练次数：3233，Loss：1.7919445037841797\n",
      "训练次数：3234，Loss：1.3621305227279663\n",
      "训练次数：3235，Loss：1.4894306659698486\n",
      "训练次数：3236，Loss：1.6600922346115112\n",
      "训练次数：3237，Loss：1.490156888961792\n",
      "训练次数：3238，Loss：1.3302897214889526\n",
      "训练次数：3239，Loss：1.494497537612915\n",
      "训练次数：3240，Loss：1.4081429243087769\n",
      "训练次数：3241，Loss：1.4081627130508423\n",
      "训练次数：3242，Loss：1.2432962656021118\n",
      "训练次数：3243，Loss：1.5262808799743652\n",
      "训练次数：3244，Loss：1.5704858303070068\n",
      "训练次数：3245，Loss：1.4470536708831787\n",
      "训练次数：3246，Loss：1.421743631362915\n",
      "训练次数：3247，Loss：1.6924173831939697\n",
      "训练次数：3248，Loss：1.5519959926605225\n",
      "训练次数：3249，Loss：1.4996923208236694\n",
      "训练次数：3250，Loss：1.5402129888534546\n",
      "训练次数：3251，Loss：1.4849004745483398\n",
      "训练次数：3252，Loss：1.4580023288726807\n",
      "训练次数：3253，Loss：1.5609710216522217\n",
      "训练次数：3254，Loss：1.371854305267334\n",
      "训练次数：3255，Loss：1.4866836071014404\n",
      "训练次数：3256，Loss：1.3791202306747437\n",
      "训练次数：3257，Loss：1.4579217433929443\n",
      "训练次数：3258，Loss：1.3030681610107422\n",
      "训练次数：3259，Loss：1.5121240615844727\n",
      "训练次数：3260，Loss：1.4914634227752686\n",
      "训练次数：3261，Loss：1.6883200407028198\n",
      "训练次数：3262，Loss：1.2381962537765503\n",
      "训练次数：3263，Loss：1.4687461853027344\n",
      "训练次数：3264，Loss：1.4697051048278809\n",
      "训练次数：3265，Loss：1.6593390703201294\n",
      "训练次数：3266，Loss：1.611881971359253\n",
      "训练次数：3267，Loss：1.3940867185592651\n",
      "训练次数：3268，Loss：1.7410932779312134\n",
      "训练次数：3269，Loss：1.8165496587753296\n",
      "训练次数：3270，Loss：1.6143429279327393\n",
      "训练次数：3271，Loss：1.4242744445800781\n",
      "训练次数：3272，Loss：1.3912962675094604\n",
      "训练次数：3273，Loss：1.3792141675949097\n",
      "训练次数：3274，Loss：1.5527822971343994\n",
      "训练次数：3275，Loss：1.366457223892212\n",
      "训练次数：3276，Loss：1.6059174537658691\n",
      "训练次数：3277，Loss：1.3052228689193726\n",
      "训练次数：3278，Loss：1.3856581449508667\n",
      "训练次数：3279，Loss：1.4181491136550903\n",
      "训练次数：3280，Loss：1.5714588165283203\n",
      "训练次数：3281，Loss：1.49960458278656\n",
      "训练次数：3282，Loss：1.294549822807312\n",
      "训练次数：3283，Loss：1.540948748588562\n",
      "训练次数：3284，Loss：1.5623005628585815\n",
      "训练次数：3285，Loss：1.5133625268936157\n",
      "训练次数：3286，Loss：1.3713017702102661\n",
      "训练次数：3287，Loss：1.664023756980896\n",
      "训练次数：3288，Loss：1.8446261882781982\n",
      "训练次数：3289，Loss：1.5124139785766602\n",
      "训练次数：3290，Loss：1.4103487730026245\n",
      "训练次数：3291，Loss：1.6577568054199219\n",
      "训练次数：3292，Loss：1.7070050239562988\n",
      "训练次数：3293，Loss：1.469873070716858\n",
      "训练次数：3294，Loss：1.795899510383606\n",
      "训练次数：3295，Loss：1.4496653079986572\n",
      "训练次数：3296，Loss：1.4668926000595093\n",
      "训练次数：3297，Loss：1.3848367929458618\n",
      "训练次数：3298，Loss：1.3666549921035767\n",
      "训练次数：3299，Loss：1.6181600093841553\n",
      "训练次数：3300，Loss：1.4570924043655396\n",
      "训练次数：3301，Loss：1.4573888778686523\n",
      "训练次数：3302，Loss：1.7886353731155396\n",
      "训练次数：3303，Loss：1.342800498008728\n",
      "训练次数：3304，Loss：1.5607844591140747\n",
      "训练次数：3305，Loss：1.449998140335083\n",
      "训练次数：3306，Loss：1.5804691314697266\n",
      "训练次数：3307，Loss：1.630515456199646\n",
      "训练次数：3308，Loss：1.5491548776626587\n",
      "训练次数：3309，Loss：1.3675901889801025\n",
      "训练次数：3310，Loss：1.3801259994506836\n",
      "训练次数：3311，Loss：1.4409176111221313\n",
      "训练次数：3312，Loss：1.3766508102416992\n",
      "训练次数：3313，Loss：1.676722764968872\n",
      "训练次数：3314，Loss：1.6240266561508179\n",
      "训练次数：3315，Loss：1.4529058933258057\n",
      "训练次数：3316，Loss：1.427657127380371\n",
      "训练次数：3317，Loss：1.6889864206314087\n",
      "训练次数：3318，Loss：1.474505066871643\n",
      "训练次数：3319，Loss：1.2862083911895752\n",
      "训练次数：3320，Loss：1.5488805770874023\n",
      "训练次数：3321，Loss：1.7471556663513184\n",
      "训练次数：3322，Loss：1.4311736822128296\n",
      "训练次数：3323，Loss：1.5362696647644043\n",
      "训练次数：3324，Loss：1.5779510736465454\n",
      "训练次数：3325，Loss：1.4854137897491455\n",
      "训练次数：3326，Loss：1.5498005151748657\n",
      "训练次数：3327，Loss：1.5715101957321167\n",
      "训练次数：3328，Loss：1.498369574546814\n",
      "训练次数：3329，Loss：1.2952467203140259\n",
      "训练次数：3330，Loss：1.7497358322143555\n",
      "训练次数：3331，Loss：1.5606460571289062\n",
      "训练次数：3332，Loss：1.564851999282837\n",
      "训练次数：3333，Loss：1.4903770685195923\n",
      "训练次数：3334，Loss：1.673026204109192\n",
      "训练次数：3335，Loss：1.495270848274231\n",
      "训练次数：3336，Loss：1.5664345026016235\n",
      "训练次数：3337，Loss：1.507773518562317\n",
      "训练次数：3338，Loss：1.7847517728805542\n",
      "训练次数：3339，Loss：1.2689000368118286\n",
      "训练次数：3340，Loss：1.4568474292755127\n",
      "训练次数：3341，Loss：1.3207393884658813\n",
      "训练次数：3342，Loss：1.4756845235824585\n",
      "训练次数：3343，Loss：1.6382639408111572\n",
      "训练次数：3344，Loss：1.651629090309143\n",
      "训练次数：3345，Loss：1.4588384628295898\n",
      "训练次数：3346，Loss：1.4118239879608154\n",
      "训练次数：3347，Loss：1.5114781856536865\n",
      "训练次数：3348，Loss：1.4687025547027588\n",
      "训练次数：3349，Loss：1.4872254133224487\n",
      "训练次数：3350，Loss：1.5732017755508423\n",
      "训练次数：3351，Loss：1.490853190422058\n",
      "训练次数：3352，Loss：1.6787089109420776\n",
      "训练次数：3353，Loss：1.7045725584030151\n",
      "训练次数：3354，Loss：1.4786614179611206\n",
      "训练次数：3355，Loss：1.473761796951294\n",
      "训练次数：3356，Loss：1.4446437358856201\n",
      "训练次数：3357，Loss：1.4131865501403809\n",
      "训练次数：3358，Loss：1.7237598896026611\n",
      "训练次数：3359，Loss：1.4314569234848022\n",
      "训练次数：3360，Loss：1.5598957538604736\n",
      "训练次数：3361，Loss：1.5022497177124023\n",
      "训练次数：3362，Loss：1.6323240995407104\n",
      "训练次数：3363，Loss：1.5821422338485718\n",
      "训练次数：3364，Loss：1.7317982912063599\n",
      "训练次数：3365，Loss：1.7987301349639893\n",
      "训练次数：3366，Loss：1.4962717294692993\n",
      "训练次数：3367，Loss：1.3672702312469482\n",
      "训练次数：3368，Loss：1.41317880153656\n",
      "训练次数：3369，Loss：1.5603100061416626\n",
      "训练次数：3370，Loss：1.4808176755905151\n",
      "训练次数：3371，Loss：1.4327479600906372\n",
      "训练次数：3372，Loss：1.7513561248779297\n",
      "训练次数：3373，Loss：1.3475741147994995\n",
      "训练次数：3374，Loss：1.6130037307739258\n",
      "训练次数：3375，Loss：1.4877582788467407\n",
      "训练次数：3376，Loss：1.5653069019317627\n",
      "训练次数：3377，Loss：1.6397390365600586\n",
      "训练次数：3378，Loss：1.6559197902679443\n",
      "训练次数：3379，Loss：1.5045578479766846\n",
      "训练次数：3380，Loss：1.5212277173995972\n",
      "训练次数：3381，Loss：1.455420732498169\n",
      "训练次数：3382，Loss：1.5117888450622559\n",
      "训练次数：3383，Loss：1.5207505226135254\n",
      "训练次数：3384，Loss：1.3748294115066528\n",
      "训练次数：3385，Loss：1.4777448177337646\n",
      "训练次数：3386，Loss：1.260063648223877\n",
      "训练次数：3387，Loss：1.62581205368042\n",
      "训练次数：3388，Loss：1.5429368019104004\n",
      "训练次数：3389，Loss：1.372022271156311\n",
      "训练次数：3390，Loss：1.4896435737609863\n",
      "训练次数：3391，Loss：1.435792326927185\n",
      "训练次数：3392，Loss：1.5549713373184204\n",
      "训练次数：3393，Loss：1.191826343536377\n",
      "训练次数：3394，Loss：1.281930923461914\n",
      "训练次数：3395，Loss：1.5302882194519043\n",
      "训练次数：3396，Loss：1.41672945022583\n",
      "训练次数：3397，Loss：1.3987674713134766\n",
      "训练次数：3398，Loss：1.5615845918655396\n",
      "训练次数：3399，Loss：1.551754355430603\n",
      "训练次数：3400，Loss：1.4795808792114258\n",
      "训练次数：3401，Loss：1.503857135772705\n",
      "训练次数：3402，Loss：1.414319634437561\n",
      "训练次数：3403，Loss：1.378958821296692\n",
      "训练次数：3404，Loss：1.391582727432251\n",
      "训练次数：3405，Loss：1.7674163579940796\n",
      "训练次数：3406，Loss：1.5558580160140991\n",
      "训练次数：3407，Loss：1.5424482822418213\n",
      "训练次数：3408，Loss：1.3119940757751465\n",
      "训练次数：3409，Loss：1.3824422359466553\n",
      "训练次数：3410，Loss：1.513960361480713\n",
      "训练次数：3411，Loss：1.3496509790420532\n",
      "训练次数：3412，Loss：1.5451854467391968\n",
      "训练次数：3413，Loss：1.3863050937652588\n",
      "训练次数：3414，Loss：1.4598383903503418\n",
      "训练次数：3415，Loss：1.5376431941986084\n",
      "训练次数：3416，Loss：1.4780900478363037\n",
      "训练次数：3417，Loss：1.6323822736740112\n",
      "训练次数：3418，Loss：1.5291582345962524\n",
      "训练次数：3419，Loss：1.4897762537002563\n",
      "训练次数：3420，Loss：1.486005425453186\n",
      "训练次数：3421，Loss：1.4436299800872803\n",
      "训练次数：3422，Loss：1.3364243507385254\n",
      "训练次数：3423，Loss：1.4227484464645386\n",
      "训练次数：3424，Loss：1.3930968046188354\n",
      "训练次数：3425，Loss：1.6911700963974\n",
      "训练次数：3426，Loss：1.4818357229232788\n",
      "训练次数：3427，Loss：1.3634744882583618\n",
      "训练次数：3428，Loss：1.5283558368682861\n",
      "训练次数：3429，Loss：1.5412474870681763\n",
      "训练次数：3430，Loss：1.4660594463348389\n",
      "训练次数：3431，Loss：1.455172061920166\n",
      "训练次数：3432，Loss：1.3403388261795044\n",
      "训练次数：3433，Loss：1.3944660425186157\n",
      "训练次数：3434，Loss：1.8039990663528442\n",
      "训练次数：3435，Loss：1.4381253719329834\n",
      "训练次数：3436，Loss：1.5684982538223267\n",
      "训练次数：3437，Loss：1.5408496856689453\n",
      "训练次数：3438，Loss：1.357187271118164\n",
      "训练次数：3439，Loss：1.3877540826797485\n",
      "训练次数：3440，Loss：1.4456268548965454\n",
      "训练次数：3441，Loss：1.6129612922668457\n",
      "训练次数：3442，Loss：1.492709994316101\n",
      "训练次数：3443，Loss：1.4057681560516357\n",
      "训练次数：3444，Loss：1.636324405670166\n",
      "训练次数：3445，Loss：1.575448989868164\n",
      "训练次数：3446，Loss：1.5958479642868042\n",
      "训练次数：3447，Loss：1.3342444896697998\n",
      "训练次数：3448，Loss：1.43461275100708\n",
      "训练次数：3449，Loss：1.525240421295166\n",
      "训练次数：3450，Loss：1.6061367988586426\n",
      "训练次数：3451，Loss：1.4817698001861572\n",
      "训练次数：3452，Loss：1.640363335609436\n",
      "训练次数：3453，Loss：1.426468014717102\n",
      "训练次数：3454，Loss：1.4746147394180298\n",
      "训练次数：3455，Loss：1.3690173625946045\n",
      "训练次数：3456，Loss：1.4601675271987915\n",
      "训练次数：3457，Loss：1.4421296119689941\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：3458，Loss：1.4600465297698975\n",
      "训练次数：3459，Loss：1.415719985961914\n",
      "训练次数：3460，Loss：1.5168975591659546\n",
      "训练次数：3461，Loss：1.3978023529052734\n",
      "训练次数：3462，Loss：1.5126991271972656\n",
      "训练次数：3463，Loss：1.6408164501190186\n",
      "训练次数：3464，Loss：1.561712622642517\n",
      "训练次数：3465，Loss：1.4769761562347412\n",
      "训练次数：3466，Loss：1.2622190713882446\n",
      "训练次数：3467，Loss：1.48622727394104\n",
      "训练次数：3468，Loss：1.4189950227737427\n",
      "训练次数：3469，Loss：1.7266126871109009\n",
      "训练次数：3470，Loss：1.5898185968399048\n",
      "训练次数：3471，Loss：1.313780426979065\n",
      "训练次数：3472，Loss：1.494805932044983\n",
      "训练次数：3473，Loss：1.5409295558929443\n",
      "训练次数：3474，Loss：1.3375425338745117\n",
      "训练次数：3475，Loss：1.3682738542556763\n",
      "训练次数：3476，Loss：1.5311468839645386\n",
      "训练次数：3477，Loss：1.5459016561508179\n",
      "训练次数：3478，Loss：1.368615984916687\n",
      "训练次数：3479，Loss：1.47748601436615\n",
      "训练次数：3480，Loss：1.5009077787399292\n",
      "训练次数：3481，Loss：1.4062585830688477\n",
      "训练次数：3482，Loss：1.6394705772399902\n",
      "训练次数：3483，Loss：1.3993395566940308\n",
      "训练次数：3484，Loss：1.42496919631958\n",
      "训练次数：3485，Loss：1.4822678565979004\n",
      "训练次数：3486，Loss：1.5388964414596558\n",
      "训练次数：3487，Loss：1.3529508113861084\n",
      "训练次数：3488，Loss：1.629289984703064\n",
      "训练次数：3489，Loss：1.4836770296096802\n",
      "训练次数：3490，Loss：1.2729722261428833\n",
      "训练次数：3491，Loss：1.6739922761917114\n",
      "训练次数：3492，Loss：1.3697069883346558\n",
      "训练次数：3493，Loss：1.1065012216567993\n",
      "训练次数：3494，Loss：1.283674955368042\n",
      "训练次数：3495，Loss：1.5791066884994507\n",
      "训练次数：3496，Loss：1.6124416589736938\n",
      "训练次数：3497，Loss：1.3458195924758911\n",
      "训练次数：3498，Loss：1.4751747846603394\n",
      "训练次数：3499，Loss：1.1896641254425049\n",
      "训练次数：3500，Loss：1.572487235069275\n",
      "训练次数：3501，Loss：1.3077385425567627\n",
      "训练次数：3502，Loss：1.4068886041641235\n",
      "训练次数：3503，Loss：1.607041835784912\n",
      "训练次数：3504，Loss：1.3813263177871704\n",
      "训练次数：3505，Loss：1.3484625816345215\n",
      "训练次数：3506，Loss：1.4161442518234253\n",
      "训练次数：3507，Loss：1.362833023071289\n",
      "训练次数：3508，Loss：1.5235891342163086\n",
      "训练次数：3509，Loss：1.6150845289230347\n",
      "训练次数：3510，Loss：1.4251582622528076\n",
      "训练次数：3511，Loss：1.3854011297225952\n",
      "训练次数：3512，Loss：1.3388317823410034\n",
      "训练次数：3513，Loss：1.381052017211914\n",
      "训练次数：3514，Loss：1.4743236303329468\n",
      "训练次数：3515，Loss：1.3756400346755981\n",
      "训练次数：3516，Loss：1.6915528774261475\n",
      "训练次数：3517，Loss：1.496146559715271\n",
      "训练次数：3518，Loss：1.2690433263778687\n",
      "训练次数：3519，Loss：1.4341299533843994\n",
      "训练次数：3520，Loss：1.2297848463058472\n",
      "训练次数：3521，Loss：1.441669225692749\n",
      "训练次数：3522，Loss：1.6795014142990112\n",
      "训练次数：3523，Loss：1.4995907545089722\n",
      "训练次数：3524，Loss：1.53260338306427\n",
      "训练次数：3525，Loss：1.470680594444275\n",
      "训练次数：3526，Loss：1.631295919418335\n",
      "训练次数：3527，Loss：1.341768741607666\n",
      "训练次数：3528，Loss：1.432145357131958\n",
      "训练次数：3529，Loss：1.4667987823486328\n",
      "训练次数：3530，Loss：1.6324982643127441\n",
      "训练次数：3531，Loss：1.5431044101715088\n",
      "训练次数：3532，Loss：1.2852263450622559\n",
      "训练次数：3533，Loss：1.5352195501327515\n",
      "训练次数：3534，Loss：1.3762388229370117\n",
      "训练次数：3535，Loss：1.3934316635131836\n",
      "训练次数：3536，Loss：1.148088812828064\n",
      "训练次数：3537，Loss：1.4178045988082886\n",
      "训练次数：3538，Loss：1.218727946281433\n",
      "训练次数：3539，Loss：1.7196062803268433\n",
      "训练次数：3540，Loss：1.4312762022018433\n",
      "训练次数：3541，Loss：1.573283314704895\n",
      "训练次数：3542，Loss：1.460984706878662\n",
      "训练次数：3543，Loss：1.4950121641159058\n",
      "训练次数：3544，Loss：1.4485875368118286\n",
      "训练次数：3545，Loss：1.6908403635025024\n",
      "训练次数：3546，Loss：1.3362491130828857\n",
      "训练次数：3547，Loss：1.4115660190582275\n",
      "训练次数：3548，Loss：1.537721872329712\n",
      "训练次数：3549，Loss：1.4892432689666748\n",
      "训练次数：3550，Loss：1.4549896717071533\n",
      "训练次数：3551，Loss：1.6159937381744385\n",
      "训练次数：3552，Loss：1.3636481761932373\n",
      "训练次数：3553，Loss：1.4426145553588867\n",
      "训练次数：3554，Loss：1.5969452857971191\n",
      "训练次数：3555，Loss：1.4877005815505981\n",
      "训练次数：3556，Loss：1.3500161170959473\n",
      "训练次数：3557，Loss：1.4858319759368896\n",
      "训练次数：3558，Loss：1.4353392124176025\n",
      "训练次数：3559，Loss：1.478132724761963\n",
      "训练次数：3560，Loss：1.3677321672439575\n",
      "训练次数：3561，Loss：1.5598331689834595\n",
      "训练次数：3562，Loss：1.3967379331588745\n",
      "训练次数：3563，Loss：1.4601103067398071\n",
      "训练次数：3564，Loss：1.753182291984558\n",
      "训练次数：3565，Loss：1.5654380321502686\n",
      "训练次数：3566，Loss：1.5966366529464722\n",
      "训练次数：3567，Loss：1.417832612991333\n",
      "训练次数：3568，Loss：1.53292715549469\n",
      "训练次数：3569，Loss：1.6318082809448242\n",
      "训练次数：3570，Loss：1.3833098411560059\n",
      "训练次数：3571，Loss：1.5375771522521973\n",
      "训练次数：3572，Loss：1.3448431491851807\n",
      "训练次数：3573，Loss：1.5373855829238892\n",
      "训练次数：3574，Loss：1.5816738605499268\n",
      "训练次数：3575，Loss：1.4960100650787354\n",
      "训练次数：3576，Loss：1.436967134475708\n",
      "训练次数：3577，Loss：1.386686086654663\n",
      "训练次数：3578，Loss：1.6226071119308472\n",
      "训练次数：3579，Loss：1.2658401727676392\n",
      "训练次数：3580，Loss：1.2378391027450562\n",
      "训练次数：3581，Loss：1.346953272819519\n",
      "训练次数：3582，Loss：1.4240715503692627\n",
      "训练次数：3583，Loss：1.5727487802505493\n",
      "训练次数：3584，Loss：1.5302166938781738\n",
      "训练次数：3585，Loss：1.5999233722686768\n",
      "训练次数：3586，Loss：1.2759499549865723\n",
      "训练次数：3587，Loss：1.2789052724838257\n",
      "训练次数：3588，Loss：1.3790074586868286\n",
      "训练次数：3589，Loss：1.5544025897979736\n",
      "训练次数：3590，Loss：1.4529255628585815\n",
      "训练次数：3591，Loss：1.3556439876556396\n",
      "训练次数：3592，Loss：1.5252131223678589\n",
      "训练次数：3593，Loss：1.4120912551879883\n",
      "训练次数：3594，Loss：1.266268014907837\n",
      "训练次数：3595，Loss：1.5438400506973267\n",
      "训练次数：3596，Loss：1.4207541942596436\n",
      "训练次数：3597，Loss：1.3051254749298096\n",
      "训练次数：3598，Loss：1.4843270778656006\n",
      "训练次数：3599，Loss：1.467798113822937\n",
      "训练次数：3600，Loss：1.583197832107544\n",
      "训练次数：3601，Loss：1.293081283569336\n",
      "训练次数：3602，Loss：1.6096025705337524\n",
      "训练次数：3603，Loss：1.1877412796020508\n",
      "训练次数：3604，Loss：1.6550575494766235\n",
      "训练次数：3605，Loss：1.4772422313690186\n",
      "训练次数：3606，Loss：1.6137967109680176\n",
      "训练次数：3607，Loss：1.5592166185379028\n",
      "训练次数：3608，Loss：1.4329686164855957\n",
      "训练次数：3609，Loss：1.589012622833252\n",
      "训练次数：3610，Loss：1.5734504461288452\n",
      "训练次数：3611，Loss：1.420323371887207\n",
      "训练次数：3612，Loss：1.2834495306015015\n",
      "训练次数：3613，Loss：1.360388994216919\n",
      "训练次数：3614，Loss：1.2134922742843628\n",
      "训练次数：3615，Loss：1.5694407224655151\n",
      "训练次数：3616，Loss：1.5941376686096191\n",
      "训练次数：3617，Loss：1.3721261024475098\n",
      "训练次数：3618，Loss：1.248853087425232\n",
      "训练次数：3619，Loss：1.7188551425933838\n",
      "训练次数：3620，Loss：1.4825119972229004\n",
      "训练次数：3621，Loss：1.4925612211227417\n",
      "训练次数：3622，Loss：1.3102433681488037\n",
      "训练次数：3623，Loss：1.453320860862732\n",
      "训练次数：3624，Loss：1.6284164190292358\n",
      "训练次数：3625，Loss：1.4106223583221436\n",
      "训练次数：3626，Loss：1.551482081413269\n",
      "训练次数：3627，Loss：1.7174465656280518\n",
      "训练次数：3628，Loss：1.4298549890518188\n",
      "训练次数：3629，Loss：1.5349096059799194\n",
      "训练次数：3630，Loss：1.4978235960006714\n",
      "训练次数：3631，Loss：1.3375171422958374\n",
      "训练次数：3632，Loss：1.6043281555175781\n",
      "训练次数：3633，Loss：1.5858323574066162\n",
      "训练次数：3634，Loss：1.5628602504730225\n",
      "训练次数：3635，Loss：1.4234315156936646\n",
      "训练次数：3636，Loss：1.4296798706054688\n",
      "训练次数：3637，Loss：1.5354727506637573\n",
      "训练次数：3638，Loss：1.489868402481079\n",
      "训练次数：3639，Loss：1.5703749656677246\n",
      "训练次数：3640，Loss：1.3939796686172485\n",
      "训练次数：3641，Loss：1.5778604745864868\n",
      "训练次数：3642，Loss：1.5639148950576782\n",
      "训练次数：3643，Loss：1.708287000656128\n",
      "训练次数：3644，Loss：1.400637149810791\n",
      "训练次数：3645，Loss：1.7400716543197632\n",
      "训练次数：3646，Loss：1.3063862323760986\n",
      "训练次数：3647，Loss：1.4675921201705933\n",
      "训练次数：3648，Loss：1.4109998941421509\n",
      "训练次数：3649，Loss：1.66331148147583\n",
      "训练次数：3650，Loss：1.673793911933899\n",
      "训练次数：3651，Loss：1.4485111236572266\n",
      "训练次数：3652，Loss：1.5796802043914795\n",
      "训练次数：3653，Loss：1.5784804821014404\n",
      "训练次数：3654，Loss：1.6938532590866089\n",
      "训练次数：3655，Loss：1.4787617921829224\n",
      "训练次数：3656，Loss：1.3601340055465698\n",
      "训练次数：3657，Loss：1.5179333686828613\n",
      "训练次数：3658，Loss：1.7374812364578247\n",
      "训练次数：3659，Loss：1.5401813983917236\n",
      "训练次数：3660，Loss：1.5894526243209839\n",
      "训练次数：3661，Loss：1.3829212188720703\n",
      "训练次数：3662，Loss：1.2839895486831665\n",
      "训练次数：3663，Loss：1.4313806295394897\n",
      "训练次数：3664，Loss：1.3148585557937622\n",
      "训练次数：3665，Loss：1.5685564279556274\n",
      "训练次数：3666，Loss：1.5083203315734863\n",
      "训练次数：3667，Loss：1.4945814609527588\n",
      "训练次数：3668，Loss：1.4610931873321533\n",
      "训练次数：3669，Loss：1.5106154680252075\n",
      "训练次数：3670，Loss：1.4972540140151978\n",
      "训练次数：3671，Loss：1.465806484222412\n",
      "训练次数：3672，Loss：1.377597689628601\n",
      "训练次数：3673，Loss：1.3909194469451904\n",
      "训练次数：3674，Loss：1.4067476987838745\n",
      "训练次数：3675，Loss：1.5168606042861938\n",
      "训练次数：3676，Loss：1.4501433372497559\n",
      "训练次数：3677，Loss：1.438226580619812\n",
      "训练次数：3678，Loss：1.5162872076034546\n",
      "训练次数：3679，Loss：1.3936951160430908\n",
      "训练次数：3680，Loss：1.7205781936645508\n",
      "训练次数：3681，Loss：1.3356473445892334\n",
      "训练次数：3682，Loss：1.558790683746338\n",
      "训练次数：3683，Loss：1.3342636823654175\n",
      "训练次数：3684，Loss：1.319867730140686\n",
      "训练次数：3685，Loss：1.592881441116333\n",
      "训练次数：3686，Loss：1.5573018789291382\n",
      "训练次数：3687，Loss：1.4101543426513672\n",
      "训练次数：3688，Loss：1.5048587322235107\n",
      "训练次数：3689，Loss：1.4166862964630127\n",
      "训练次数：3690，Loss：1.4585553407669067\n",
      "训练次数：3691，Loss：1.5887137651443481\n",
      "训练次数：3692，Loss：1.4410805702209473\n",
      "训练次数：3693，Loss：1.4122458696365356\n",
      "训练次数：3694，Loss：1.5781651735305786\n",
      "训练次数：3695，Loss：1.3186653852462769\n",
      "训练次数：3696，Loss：1.5163594484329224\n",
      "训练次数：3697，Loss：1.504367709159851\n",
      "训练次数：3698，Loss：1.311279058456421\n",
      "训练次数：3699，Loss：1.4496567249298096\n",
      "训练次数：3700，Loss：1.3929413557052612\n",
      "训练次数：3701，Loss：1.338730812072754\n",
      "训练次数：3702，Loss：1.5492395162582397\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：3703，Loss：1.365065097808838\n",
      "训练次数：3704，Loss：1.416228175163269\n",
      "训练次数：3705，Loss：1.6421144008636475\n",
      "训练次数：3706，Loss：1.8766043186187744\n",
      "训练次数：3707，Loss：1.274536371231079\n",
      "训练次数：3708，Loss：1.4745557308197021\n",
      "训练次数：3709，Loss：1.4867011308670044\n",
      "训练次数：3710，Loss：1.4821381568908691\n",
      "训练次数：3711，Loss：1.329392433166504\n",
      "训练次数：3712，Loss：1.473313808441162\n",
      "训练次数：3713，Loss：1.4906266927719116\n",
      "训练次数：3714，Loss：1.3637319803237915\n",
      "训练次数：3715，Loss：1.5604249238967896\n",
      "训练次数：3716，Loss：1.366316795349121\n",
      "训练次数：3717，Loss：1.5831011533737183\n",
      "训练次数：3718，Loss：1.4440609216690063\n",
      "训练次数：3719，Loss：1.5552787780761719\n",
      "训练次数：3720，Loss：1.3076931238174438\n",
      "训练次数：3721，Loss：1.5392580032348633\n",
      "训练次数：3722，Loss：1.6206402778625488\n",
      "训练次数：3723，Loss：1.4801161289215088\n",
      "训练次数：3724，Loss：1.801425814628601\n",
      "训练次数：3725，Loss：1.4732530117034912\n",
      "训练次数：3726，Loss：1.5170472860336304\n",
      "训练次数：3727，Loss：1.5596672296524048\n",
      "训练次数：3728，Loss：1.5360660552978516\n",
      "训练次数：3729，Loss：1.5726401805877686\n",
      "训练次数：3730，Loss：1.2893176078796387\n",
      "训练次数：3731，Loss：1.2303332090377808\n",
      "训练次数：3732，Loss：1.517472743988037\n",
      "训练次数：3733，Loss：1.4684367179870605\n",
      "训练次数：3734，Loss：1.2645536661148071\n",
      "训练次数：3735，Loss：1.1703659296035767\n",
      "训练次数：3736，Loss：1.4414153099060059\n",
      "训练次数：3737，Loss：1.3750914335250854\n",
      "训练次数：3738，Loss：1.5513628721237183\n",
      "训练次数：3739，Loss：1.4448691606521606\n",
      "训练次数：3740，Loss：1.517301082611084\n",
      "训练次数：3741，Loss：1.5691826343536377\n",
      "训练次数：3742，Loss：1.2568424940109253\n",
      "训练次数：3743，Loss：1.501513123512268\n",
      "训练次数：3744，Loss：1.453587532043457\n",
      "训练次数：3745，Loss：1.3948475122451782\n",
      "训练次数：3746，Loss：1.4121698141098022\n",
      "训练次数：3747，Loss：1.5250946283340454\n",
      "训练次数：3748，Loss：1.6776121854782104\n",
      "训练次数：3749，Loss：1.4916132688522339\n",
      "训练次数：3750，Loss：1.5688248872756958\n",
      "训练次数：3751，Loss：1.4054149389266968\n",
      "训练次数：3752，Loss：1.34312105178833\n",
      "训练次数：3753，Loss：1.4079591035842896\n",
      "训练次数：3754，Loss：1.2491841316223145\n",
      "训练次数：3755，Loss：1.3345650434494019\n",
      "训练次数：3756，Loss：1.7076302766799927\n",
      "训练次数：3757，Loss：1.645849585533142\n",
      "训练次数：3758，Loss：1.2974278926849365\n",
      "训练次数：3759，Loss：1.3795766830444336\n",
      "训练次数：3760，Loss：1.6095885038375854\n",
      "训练次数：3761，Loss：1.493727207183838\n",
      "训练次数：3762，Loss：1.2239699363708496\n",
      "训练次数：3763，Loss：1.5126019716262817\n",
      "训练次数：3764，Loss：1.2722978591918945\n",
      "训练次数：3765，Loss：1.520344614982605\n",
      "训练次数：3766，Loss：1.5330578088760376\n",
      "训练次数：3767，Loss：1.5590399503707886\n",
      "训练次数：3768，Loss：1.6206358671188354\n",
      "训练次数：3769，Loss：1.5309711694717407\n",
      "训练次数：3770，Loss：1.586011290550232\n",
      "训练次数：3771，Loss：1.5086034536361694\n",
      "训练次数：3772，Loss：1.336512565612793\n",
      "训练次数：3773，Loss：1.3536635637283325\n",
      "训练次数：3774，Loss：1.6727912425994873\n",
      "训练次数：3775，Loss：1.4559385776519775\n",
      "训练次数：3776，Loss：1.4145501852035522\n",
      "训练次数：3777，Loss：1.488836407661438\n",
      "训练次数：3778，Loss：1.6751365661621094\n",
      "训练次数：3779，Loss：1.3332301378250122\n",
      "训练次数：3780，Loss：1.5306297540664673\n",
      "训练次数：3781，Loss：1.2368240356445312\n",
      "训练次数：3782，Loss：1.293842077255249\n",
      "训练次数：3783，Loss：1.4675027132034302\n",
      "训练次数：3784，Loss：1.4949398040771484\n",
      "训练次数：3785，Loss：1.505773663520813\n",
      "训练次数：3786，Loss：1.3464776277542114\n",
      "训练次数：3787，Loss：1.7058064937591553\n",
      "训练次数：3788，Loss：1.42159104347229\n",
      "训练次数：3789，Loss：1.4806020259857178\n",
      "训练次数：3790，Loss：1.309772253036499\n",
      "训练次数：3791，Loss：1.1939289569854736\n",
      "训练次数：3792，Loss：1.4151208400726318\n",
      "训练次数：3793，Loss：1.770745038986206\n",
      "训练次数：3794，Loss：1.7126986980438232\n",
      "训练次数：3795，Loss：1.3090460300445557\n",
      "训练次数：3796，Loss：1.633060097694397\n",
      "训练次数：3797，Loss：1.4137976169586182\n",
      "训练次数：3798，Loss：1.4222562313079834\n",
      "训练次数：3799，Loss：1.557305097579956\n",
      "训练次数：3800，Loss：1.2728630304336548\n",
      "训练次数：3801，Loss：1.417636752128601\n",
      "训练次数：3802，Loss：1.4290019273757935\n",
      "训练次数：3803，Loss：1.518057107925415\n",
      "训练次数：3804，Loss：1.6511743068695068\n",
      "训练次数：3805，Loss：1.5148513317108154\n",
      "训练次数：3806，Loss：1.3194421529769897\n",
      "训练次数：3807，Loss：1.5626921653747559\n",
      "训练次数：3808，Loss：1.5897529125213623\n",
      "训练次数：3809，Loss：1.5638147592544556\n",
      "训练次数：3810，Loss：1.1744186878204346\n",
      "训练次数：3811，Loss：1.2896486520767212\n",
      "训练次数：3812，Loss：1.388863205909729\n",
      "训练次数：3813，Loss：1.5740623474121094\n",
      "训练次数：3814，Loss：1.807189702987671\n",
      "训练次数：3815，Loss：1.5065258741378784\n",
      "训练次数：3816，Loss：1.325447678565979\n",
      "训练次数：3817，Loss：1.4626312255859375\n",
      "训练次数：3818，Loss：1.480612874031067\n",
      "训练次数：3819，Loss：1.4897546768188477\n",
      "训练次数：3820，Loss：1.613761305809021\n",
      "训练次数：3821，Loss：1.7018576860427856\n",
      "训练次数：3822，Loss：1.6452022790908813\n",
      "训练次数：3823，Loss：1.5334744453430176\n",
      "训练次数：3824，Loss：1.4288227558135986\n",
      "训练次数：3825，Loss：1.4824328422546387\n",
      "训练次数：3826，Loss：1.4278157949447632\n",
      "训练次数：3827，Loss：1.305513858795166\n",
      "训练次数：3828，Loss：1.6344597339630127\n",
      "训练次数：3829，Loss：1.5254861116409302\n",
      "训练次数：3830，Loss：1.5533853769302368\n",
      "训练次数：3831，Loss：1.3889763355255127\n",
      "训练次数：3832，Loss：1.2259596586227417\n",
      "训练次数：3833，Loss：1.4481345415115356\n",
      "训练次数：3834，Loss：1.4480992555618286\n",
      "训练次数：3835，Loss：1.6577551364898682\n",
      "训练次数：3836，Loss：1.518865942955017\n",
      "训练次数：3837，Loss：1.2564338445663452\n",
      "训练次数：3838，Loss：1.2263281345367432\n",
      "训练次数：3839，Loss：1.5485814809799194\n",
      "训练次数：3840，Loss：1.3309080600738525\n",
      "训练次数：3841，Loss：1.4852267503738403\n",
      "训练次数：3842，Loss：1.4315537214279175\n",
      "训练次数：3843，Loss：1.399570345878601\n",
      "训练次数：3844，Loss：1.4638694524765015\n",
      "训练次数：3845，Loss：1.2901270389556885\n",
      "训练次数：3846，Loss：1.382947564125061\n",
      "训练次数：3847，Loss：1.4170680046081543\n",
      "训练次数：3848，Loss：1.4435702562332153\n",
      "训练次数：3849，Loss：1.3301242589950562\n",
      "训练次数：3850，Loss：1.4283040761947632\n",
      "训练次数：3851，Loss：1.2670217752456665\n",
      "训练次数：3852，Loss：1.6095869541168213\n",
      "训练次数：3853，Loss：1.4628900289535522\n",
      "训练次数：3854，Loss：1.3263429403305054\n",
      "训练次数：3855，Loss：1.6170496940612793\n",
      "训练次数：3856，Loss：1.7173155546188354\n",
      "训练次数：3857，Loss：1.410344123840332\n",
      "训练次数：3858，Loss：1.409542441368103\n",
      "训练次数：3859，Loss：1.285366177558899\n",
      "训练次数：3860，Loss：1.402100682258606\n",
      "训练次数：3861，Loss：1.401605248451233\n",
      "训练次数：3862，Loss：1.3808594942092896\n",
      "训练次数：3863，Loss：1.397207498550415\n",
      "训练次数：3864，Loss：1.583227515220642\n",
      "训练次数：3865，Loss：1.2484626770019531\n",
      "训练次数：3866，Loss：1.4893513917922974\n",
      "训练次数：3867，Loss：1.2990033626556396\n",
      "训练次数：3868，Loss：1.2354907989501953\n",
      "训练次数：3869，Loss：1.5169473886489868\n",
      "训练次数：3870，Loss：1.4641255140304565\n",
      "训练次数：3871，Loss：1.6433806419372559\n",
      "训练次数：3872，Loss：1.356806993484497\n",
      "训练次数：3873，Loss：1.292362093925476\n",
      "训练次数：3874，Loss：1.4182292222976685\n",
      "训练次数：3875，Loss：1.2618408203125\n",
      "训练次数：3876，Loss：1.6222478151321411\n",
      "训练次数：3877，Loss：1.5971753597259521\n",
      "训练次数：3878，Loss：1.2452800273895264\n",
      "训练次数：3879，Loss：1.8410321474075317\n",
      "训练次数：3880，Loss：1.5220892429351807\n",
      "训练次数：3881，Loss：1.3994247913360596\n",
      "训练次数：3882，Loss：1.4532337188720703\n",
      "训练次数：3883，Loss：1.4076452255249023\n",
      "训练次数：3884，Loss：1.4711353778839111\n",
      "训练次数：3885，Loss：1.479589819908142\n",
      "训练次数：3886，Loss：1.4806185960769653\n",
      "训练次数：3887，Loss：1.6479345560073853\n",
      "训练次数：3888，Loss：1.3949342966079712\n",
      "训练次数：3889，Loss：1.419467568397522\n",
      "训练次数：3890，Loss：1.5999150276184082\n",
      "训练次数：3891，Loss：1.3589200973510742\n",
      "训练次数：3892，Loss：1.4691823720932007\n",
      "训练次数：3893，Loss：1.2858644723892212\n",
      "训练次数：3894，Loss：1.577785849571228\n",
      "训练次数：3895，Loss：1.3987863063812256\n",
      "训练次数：3896，Loss：1.5290690660476685\n",
      "训练次数：3897，Loss：1.1988420486450195\n",
      "训练次数：3898，Loss：1.3565794229507446\n",
      "训练次数：3899，Loss：1.469519853591919\n",
      "训练次数：3900，Loss：1.4486430883407593\n",
      "训练次数：3901，Loss：1.4466814994812012\n",
      "训练次数：3902，Loss：1.2742090225219727\n",
      "训练次数：3903，Loss：1.4188014268875122\n",
      "训练次数：3904，Loss：1.2187798023223877\n",
      "训练次数：3905，Loss：1.5341380834579468\n",
      "训练次数：3906，Loss：1.397294044494629\n",
      "训练次数：3907，Loss：1.4086668491363525\n",
      "训练次数：3908，Loss：1.3827290534973145\n",
      "训练次数：3909，Loss：1.5424541234970093\n",
      "训练次数：3910，Loss：2.2353408336639404\n",
      "-----第 6 轮训练开始-----\n",
      "训练次数：3911，Loss：1.6357128620147705\n",
      "训练次数：3912，Loss：1.4443740844726562\n",
      "训练次数：3913，Loss：1.6506778001785278\n",
      "训练次数：3914，Loss：1.165256381034851\n",
      "训练次数：3915，Loss：1.3555185794830322\n",
      "训练次数：3916，Loss：1.3962244987487793\n",
      "训练次数：3917，Loss：1.4515633583068848\n",
      "训练次数：3918，Loss：1.4258826971054077\n",
      "训练次数：3919，Loss：1.3733255863189697\n",
      "训练次数：3920，Loss：1.6420612335205078\n",
      "训练次数：3921，Loss：1.5350240468978882\n",
      "训练次数：3922，Loss：1.5350662469863892\n",
      "训练次数：3923，Loss：1.4930061101913452\n",
      "训练次数：3924，Loss：1.6082640886306763\n",
      "训练次数：3925，Loss：1.4582329988479614\n",
      "训练次数：3926，Loss：1.2089325189590454\n",
      "训练次数：3927，Loss：1.3997100591659546\n",
      "训练次数：3928，Loss：1.2838358879089355\n",
      "训练次数：3929，Loss：1.4502677917480469\n",
      "训练次数：3930，Loss：1.2926442623138428\n",
      "训练次数：3931，Loss：1.563523292541504\n",
      "训练次数：3932，Loss：1.2787880897521973\n",
      "训练次数：3933，Loss：1.4158942699432373\n",
      "训练次数：3934，Loss：1.4403307437896729\n",
      "训练次数：3935，Loss：1.3963663578033447\n",
      "训练次数：3936，Loss：1.3304083347320557\n",
      "训练次数：3937，Loss：1.3961937427520752\n",
      "训练次数：3938，Loss：1.3414106369018555\n",
      "训练次数：3939，Loss：1.2213891744613647\n",
      "训练次数：3940，Loss：1.3123490810394287\n",
      "训练次数：3941，Loss：1.6128885746002197\n",
      "训练次数：3942，Loss：1.5798074007034302\n",
      "训练次数：3943，Loss：1.4304951429367065\n",
      "训练次数：3944，Loss：1.2668488025665283\n",
      "训练次数：3945，Loss：1.4120045900344849\n",
      "训练次数：3946，Loss：1.3385865688323975\n",
      "训练次数：3947，Loss：1.4440863132476807\n",
      "训练次数：3948，Loss：1.4271804094314575\n",
      "训练次数：3949，Loss：1.399912714958191\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：3950，Loss：1.7534767389297485\n",
      "训练次数：3951，Loss：1.571424961090088\n",
      "训练次数：3952，Loss：1.2902922630310059\n",
      "训练次数：3953，Loss：1.5392884016036987\n",
      "训练次数：3954，Loss：1.684976577758789\n",
      "训练次数：3955，Loss：1.3408393859863281\n",
      "训练次数：3956，Loss：1.310606598854065\n",
      "训练次数：3957，Loss：1.4425163269042969\n",
      "训练次数：3958，Loss：1.625433325767517\n",
      "训练次数：3959，Loss：1.464580774307251\n",
      "训练次数：3960，Loss：1.5694730281829834\n",
      "训练次数：3961，Loss：1.3990930318832397\n",
      "训练次数：3962，Loss：1.5620782375335693\n",
      "训练次数：3963，Loss：1.4682254791259766\n",
      "训练次数：3964，Loss：1.5454916954040527\n",
      "训练次数：3965，Loss：1.3038290739059448\n",
      "训练次数：3966，Loss：1.3306547403335571\n",
      "训练次数：3967，Loss：1.4591681957244873\n",
      "训练次数：3968，Loss：1.326432228088379\n",
      "训练次数：3969，Loss：1.2569431066513062\n",
      "训练次数：3970，Loss：1.3202428817749023\n",
      "训练次数：3971，Loss：1.4309865236282349\n",
      "训练次数：3972，Loss：1.521912932395935\n",
      "训练次数：3973，Loss：1.514442801475525\n",
      "训练次数：3974，Loss：1.4256218671798706\n",
      "训练次数：3975，Loss：1.513169527053833\n",
      "训练次数：3976，Loss：1.4314117431640625\n",
      "训练次数：3977，Loss：1.4616518020629883\n",
      "训练次数：3978，Loss：1.5078965425491333\n",
      "训练次数：3979，Loss：1.207872986793518\n",
      "训练次数：3980，Loss：1.2624740600585938\n",
      "训练次数：3981，Loss：1.6050541400909424\n",
      "训练次数：3982，Loss：1.3094508647918701\n",
      "训练次数：3983，Loss：1.3859174251556396\n",
      "训练次数：3984，Loss：1.3470730781555176\n",
      "训练次数：3985，Loss：1.4826377630233765\n",
      "训练次数：3986，Loss：1.5027382373809814\n",
      "训练次数：3987，Loss：1.5057824850082397\n",
      "训练次数：3988，Loss：1.607316493988037\n",
      "训练次数：3989，Loss：1.3355342149734497\n",
      "训练次数：3990，Loss：1.6802151203155518\n",
      "训练次数：3991，Loss：1.6081525087356567\n",
      "训练次数：3992，Loss：1.3342652320861816\n",
      "训练次数：3993，Loss：1.566696286201477\n",
      "训练次数：3994，Loss：1.3243279457092285\n",
      "训练次数：3995，Loss：1.5248414278030396\n",
      "训练次数：3996，Loss：1.4400231838226318\n",
      "训练次数：3997，Loss：1.3883346319198608\n",
      "训练次数：3998，Loss：1.1417841911315918\n",
      "训练次数：3999，Loss：1.414780855178833\n",
      "训练次数：4000，Loss：1.4284391403198242\n",
      "训练次数：4001，Loss：1.49315345287323\n",
      "训练次数：4002，Loss：1.462986707687378\n",
      "训练次数：4003，Loss：1.2643043994903564\n",
      "训练次数：4004，Loss：1.387538194656372\n",
      "训练次数：4005，Loss：1.3941736221313477\n",
      "训练次数：4006，Loss：1.6982389688491821\n",
      "训练次数：4007，Loss：1.2356035709381104\n",
      "训练次数：4008，Loss：1.5768591165542603\n",
      "训练次数：4009，Loss：1.2080645561218262\n",
      "训练次数：4010，Loss：1.278842806816101\n",
      "训练次数：4011，Loss：1.4331904649734497\n",
      "训练次数：4012，Loss：1.2848576307296753\n",
      "训练次数：4013，Loss：1.467816710472107\n",
      "训练次数：4014，Loss：1.6294834613800049\n",
      "训练次数：4015，Loss：1.624869704246521\n",
      "训练次数：4016，Loss：1.283166766166687\n",
      "训练次数：4017，Loss：1.3932523727416992\n",
      "训练次数：4018，Loss：1.6230721473693848\n",
      "训练次数：4019，Loss：1.3858391046524048\n",
      "训练次数：4020，Loss：1.276207447052002\n",
      "训练次数：4021，Loss：1.4489532709121704\n",
      "训练次数：4022，Loss：1.3555841445922852\n",
      "训练次数：4023，Loss：1.3441907167434692\n",
      "训练次数：4024，Loss：1.1702537536621094\n",
      "训练次数：4025，Loss：1.4096393585205078\n",
      "训练次数：4026，Loss：1.5439555644989014\n",
      "训练次数：4027，Loss：1.3719213008880615\n",
      "训练次数：4028，Loss：1.3815230131149292\n",
      "训练次数：4029，Loss：1.621841549873352\n",
      "训练次数：4030，Loss：1.460340142250061\n",
      "训练次数：4031，Loss：1.4241679906845093\n",
      "训练次数：4032，Loss：1.4654771089553833\n",
      "训练次数：4033，Loss：1.365682601928711\n",
      "训练次数：4034，Loss：1.4108277559280396\n",
      "训练次数：4035，Loss：1.5325790643692017\n",
      "训练次数：4036，Loss：1.3049967288970947\n",
      "训练次数：4037，Loss：1.4427037239074707\n",
      "训练次数：4038，Loss：1.2811949253082275\n",
      "训练次数：4039，Loss：1.392512559890747\n",
      "训练次数：4040，Loss：1.2852001190185547\n",
      "训练次数：4041，Loss：1.442459225654602\n",
      "训练次数：4042，Loss：1.365220546722412\n",
      "训练次数：4043，Loss：1.6203440427780151\n",
      "训练次数：4044，Loss：1.1647076606750488\n",
      "训练次数：4045，Loss：1.4126092195510864\n",
      "训练次数：4046，Loss：1.3902475833892822\n",
      "训练次数：4047，Loss：1.6009924411773682\n",
      "训练次数：4048，Loss：1.5776652097702026\n",
      "训练次数：4049，Loss：1.2862039804458618\n",
      "训练次数：4050，Loss：1.642153024673462\n",
      "训练次数：4051，Loss：1.736035704612732\n",
      "训练次数：4052，Loss：1.5666526556015015\n",
      "训练次数：4053，Loss：1.312065839767456\n",
      "训练次数：4054，Loss：1.322792410850525\n",
      "训练次数：4055，Loss：1.2606481313705444\n",
      "训练次数：4056，Loss：1.439119577407837\n",
      "训练次数：4057，Loss：1.295753836631775\n",
      "训练次数：4058，Loss：1.52382230758667\n",
      "训练次数：4059，Loss：1.2418345212936401\n",
      "训练次数：4060，Loss：1.3221513032913208\n",
      "训练次数：4061，Loss：1.3904832601547241\n",
      "训练次数：4062，Loss：1.5047850608825684\n",
      "训练次数：4063，Loss：1.416210651397705\n",
      "训练次数：4064，Loss：1.2344073057174683\n",
      "训练次数：4065，Loss：1.4524229764938354\n",
      "训练次数：4066，Loss：1.5025935173034668\n",
      "训练次数：4067，Loss：1.427311658859253\n",
      "训练次数：4068，Loss：1.3012653589248657\n",
      "训练次数：4069，Loss：1.6106922626495361\n",
      "训练次数：4070，Loss：1.7327556610107422\n",
      "训练次数：4071，Loss：1.455945611000061\n",
      "训练次数：4072，Loss：1.3073997497558594\n",
      "训练次数：4073，Loss：1.5920008420944214\n",
      "训练次数：4074，Loss：1.6355208158493042\n",
      "训练次数：4075，Loss：1.432303786277771\n",
      "训练次数：4076，Loss：1.7421954870224\n",
      "训练次数：4077，Loss：1.3674646615982056\n",
      "训练次数：4078，Loss：1.3968313932418823\n",
      "训练次数：4079，Loss：1.3287009000778198\n",
      "训练次数：4080，Loss：1.3282338380813599\n",
      "训练次数：4081，Loss：1.5336889028549194\n",
      "训练次数：4082，Loss：1.3824220895767212\n",
      "训练次数：4083，Loss：1.4025590419769287\n",
      "训练次数：4084，Loss：1.7862039804458618\n",
      "训练次数：4085，Loss：1.2873239517211914\n",
      "训练次数：4086，Loss：1.4986867904663086\n",
      "训练次数：4087，Loss：1.3970905542373657\n",
      "训练次数：4088，Loss：1.4963384866714478\n",
      "训练次数：4089，Loss：1.5293290615081787\n",
      "训练次数：4090，Loss：1.4927014112472534\n",
      "训练次数：4091，Loss：1.2598932981491089\n",
      "训练次数：4092，Loss：1.3034528493881226\n",
      "训练次数：4093，Loss：1.3646008968353271\n",
      "训练次数：4094，Loss：1.355887532234192\n",
      "训练次数：4095，Loss：1.6678287982940674\n",
      "训练次数：4096，Loss：1.529181957244873\n",
      "训练次数：4097，Loss：1.4110983610153198\n",
      "训练次数：4098，Loss：1.353785514831543\n",
      "训练次数：4099，Loss：1.5522997379302979\n",
      "训练次数：4100，Loss：1.434523344039917\n",
      "训练次数：4101，Loss：1.212666392326355\n",
      "训练次数：4102，Loss：1.4763116836547852\n",
      "训练次数：4103，Loss：1.6705241203308105\n",
      "训练次数：4104，Loss：1.3636221885681152\n",
      "训练次数：4105，Loss：1.4368410110473633\n",
      "训练次数：4106，Loss：1.4983028173446655\n",
      "训练次数：4107，Loss：1.398537278175354\n",
      "训练次数：4108，Loss：1.5242888927459717\n",
      "训练次数：4109，Loss：1.5261679887771606\n",
      "训练次数：4110，Loss：1.4082931280136108\n",
      "训练次数：4111，Loss：1.2053756713867188\n",
      "训练次数：4112，Loss：1.6678845882415771\n",
      "训练次数：4113，Loss：1.4643490314483643\n",
      "训练次数：4114，Loss：1.4776438474655151\n",
      "训练次数：4115，Loss：1.4324179887771606\n",
      "训练次数：4116，Loss：1.5910142660140991\n",
      "训练次数：4117，Loss：1.400793194770813\n",
      "训练次数：4118，Loss：1.4682927131652832\n",
      "训练次数：4119，Loss：1.3895646333694458\n",
      "训练次数：4120，Loss：1.732630729675293\n",
      "训练次数：4121，Loss：1.205452799797058\n",
      "训练次数：4122，Loss：1.3585363626480103\n",
      "训练次数：4123，Loss：1.2771599292755127\n",
      "训练次数：4124，Loss：1.4273040294647217\n",
      "训练次数：4125，Loss：1.578003168106079\n",
      "训练次数：4126，Loss：1.5615301132202148\n",
      "训练次数：4127，Loss：1.3521796464920044\n",
      "训练次数：4128，Loss：1.3346697092056274\n",
      "训练次数：4129，Loss：1.4108418226242065\n",
      "训练次数：4130，Loss：1.4039428234100342\n",
      "训练次数：4131，Loss：1.4116852283477783\n",
      "训练次数：4132，Loss：1.5426312685012817\n",
      "训练次数：4133，Loss：1.4430828094482422\n",
      "训练次数：4134，Loss：1.5970040559768677\n",
      "训练次数：4135，Loss：1.5956557989120483\n",
      "训练次数：4136，Loss：1.363901138305664\n",
      "训练次数：4137，Loss：1.4188488721847534\n",
      "训练次数：4138，Loss：1.332363247871399\n",
      "训练次数：4139，Loss：1.3367061614990234\n",
      "训练次数：4140，Loss：1.6302931308746338\n",
      "训练次数：4141，Loss：1.3527040481567383\n",
      "训练次数：4142，Loss：1.5140225887298584\n",
      "训练次数：4143，Loss：1.4283119440078735\n",
      "训练次数：4144，Loss：1.5868877172470093\n",
      "训练次数：4145，Loss：1.4982000589370728\n",
      "训练次数：4146，Loss：1.5981543064117432\n",
      "训练次数：4147，Loss：1.673170804977417\n",
      "训练次数：4148，Loss：1.427315354347229\n",
      "训练次数：4149，Loss：1.2887502908706665\n",
      "训练次数：4150，Loss：1.3433289527893066\n",
      "训练次数：4151，Loss：1.4977489709854126\n",
      "训练次数：4152，Loss：1.428883671760559\n",
      "训练次数：4153，Loss：1.348124384880066\n",
      "训练次数：4154，Loss：1.702674388885498\n",
      "训练次数：4155，Loss：1.318149209022522\n",
      "训练次数：4156，Loss：1.5627256631851196\n",
      "训练次数：4157，Loss：1.396849513053894\n",
      "训练次数：4158，Loss：1.4806032180786133\n",
      "训练次数：4159，Loss：1.5979139804840088\n",
      "训练次数：4160，Loss：1.6369625329971313\n",
      "训练次数：4161，Loss：1.4538602828979492\n",
      "训练次数：4162，Loss：1.4646035432815552\n",
      "训练次数：4163，Loss：1.408937692642212\n",
      "训练次数：4164，Loss：1.4445077180862427\n",
      "训练次数：4165，Loss：1.4317258596420288\n",
      "训练次数：4166，Loss：1.3091723918914795\n",
      "训练次数：4167，Loss：1.4285160303115845\n",
      "训练次数：4168，Loss：1.185570478439331\n",
      "训练次数：4169，Loss：1.562071681022644\n",
      "训练次数：4170，Loss：1.4656643867492676\n",
      "训练次数：4171，Loss：1.3115038871765137\n",
      "训练次数：4172，Loss：1.40390145778656\n",
      "训练次数：4173，Loss：1.383549690246582\n",
      "训练次数：4174，Loss：1.5335689783096313\n",
      "训练次数：4175，Loss：1.1456456184387207\n",
      "训练次数：4176，Loss：1.2267051935195923\n",
      "训练次数：4177，Loss：1.40269935131073\n",
      "训练次数：4178，Loss：1.372440218925476\n",
      "训练次数：4179，Loss：1.296838402748108\n",
      "训练次数：4180，Loss：1.4976186752319336\n",
      "训练次数：4181，Loss：1.4714804887771606\n",
      "训练次数：4182，Loss：1.3697198629379272\n",
      "训练次数：4183，Loss：1.414445161819458\n",
      "训练次数：4184，Loss：1.3589824438095093\n",
      "训练次数：4185，Loss：1.3008716106414795\n",
      "训练次数：4186，Loss：1.290023684501648\n",
      "训练次数：4187，Loss：1.7031183242797852\n",
      "训练次数：4188，Loss：1.4922136068344116\n",
      "训练次数：4189，Loss：1.5047342777252197\n",
      "训练次数：4190，Loss：1.239342451095581\n",
      "训练次数：4191，Loss：1.3184889554977417\n",
      "训练次数：4192，Loss：1.4637089967727661\n",
      "训练次数：4193，Loss：1.2556025981903076\n",
      "训练次数：4194，Loss：1.510691523551941\n",
      "训练次数：4195，Loss：1.3234678506851196\n",
      "训练次数：4196，Loss：1.4015874862670898\n",
      "训练次数：4197，Loss：1.4286402463912964\n",
      "训练次数：4198，Loss：1.4426523447036743\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：4199，Loss：1.5863627195358276\n",
      "训练次数：4200，Loss：1.5179367065429688\n",
      "训练次数：4201，Loss：1.4374116659164429\n",
      "训练次数：4202，Loss：1.4361960887908936\n",
      "训练次数：4203，Loss：1.3486331701278687\n",
      "训练次数：4204，Loss：1.270430326461792\n",
      "训练次数：4205，Loss：1.33624267578125\n",
      "训练次数：4206，Loss：1.3249346017837524\n",
      "训练次数：4207，Loss：1.602778673171997\n",
      "训练次数：4208，Loss：1.3925282955169678\n",
      "训练次数：4209，Loss：1.3145509958267212\n",
      "训练次数：4210，Loss：1.4791538715362549\n",
      "训练次数：4211，Loss：1.4305212497711182\n",
      "训练次数：4212，Loss：1.340344786643982\n",
      "训练次数：4213，Loss：1.3822945356369019\n",
      "训练次数：4214，Loss：1.2652150392532349\n",
      "训练次数：4215，Loss：1.305748701095581\n",
      "训练次数：4216，Loss：1.737072467803955\n",
      "训练次数：4217，Loss：1.4074779748916626\n",
      "训练次数：4218，Loss：1.496686339378357\n",
      "训练次数：4219，Loss：1.5141609907150269\n",
      "训练次数：4220，Loss：1.3032028675079346\n",
      "训练次数：4221，Loss：1.3326343297958374\n",
      "训练次数：4222，Loss：1.4067295789718628\n",
      "训练次数：4223，Loss：1.5084460973739624\n",
      "训练次数：4224，Loss：1.423753023147583\n",
      "训练次数：4225，Loss：1.3516393899917603\n",
      "训练次数：4226，Loss：1.5203827619552612\n",
      "训练次数：4227，Loss：1.5120042562484741\n",
      "训练次数：4228，Loss：1.5082597732543945\n",
      "训练次数：4229，Loss：1.2876478433609009\n",
      "训练次数：4230，Loss：1.3772873878479004\n",
      "训练次数：4231，Loss：1.4685667753219604\n",
      "训练次数：4232，Loss：1.5136752128601074\n",
      "训练次数：4233，Loss：1.4233131408691406\n",
      "训练次数：4234，Loss：1.53981351852417\n",
      "训练次数：4235，Loss：1.368402123451233\n",
      "训练次数：4236，Loss：1.4189070463180542\n",
      "训练次数：4237，Loss：1.2672866582870483\n",
      "训练次数：4238，Loss：1.387405276298523\n",
      "训练次数：4239，Loss：1.377795696258545\n",
      "训练次数：4240，Loss：1.3957103490829468\n",
      "训练次数：4241，Loss：1.3308717012405396\n",
      "训练次数：4242，Loss：1.441360354423523\n",
      "训练次数：4243，Loss：1.3394453525543213\n",
      "训练次数：4244，Loss：1.4282763004302979\n",
      "训练次数：4245，Loss：1.5531095266342163\n",
      "训练次数：4246，Loss：1.5100109577178955\n",
      "训练次数：4247，Loss：1.41439950466156\n",
      "训练次数：4248，Loss：1.1658823490142822\n",
      "训练次数：4249，Loss：1.4081246852874756\n",
      "训练次数：4250，Loss：1.3671915531158447\n",
      "训练次数：4251，Loss：1.6666216850280762\n",
      "训练次数：4252，Loss：1.528195858001709\n",
      "训练次数：4253，Loss：1.2563364505767822\n",
      "训练次数：4254，Loss：1.424013376235962\n",
      "训练次数：4255，Loss：1.481574535369873\n",
      "训练次数：4256，Loss：1.2701250314712524\n",
      "训练次数：4257，Loss：1.2838376760482788\n",
      "训练次数：4258，Loss：1.4330546855926514\n",
      "训练次数：4259，Loss：1.4816700220108032\n",
      "训练次数：4260，Loss：1.3345422744750977\n",
      "训练次数：4261，Loss：1.427902102470398\n",
      "训练次数：4262，Loss：1.4646683931350708\n",
      "训练次数：4263，Loss：1.3285284042358398\n",
      "训练次数：4264，Loss：1.5703893899917603\n",
      "训练次数：4265，Loss：1.3705121278762817\n",
      "训练次数：4266，Loss：1.386350393295288\n",
      "训练次数：4267，Loss：1.4150446653366089\n",
      "训练次数：4268，Loss：1.4910533428192139\n",
      "训练次数：4269，Loss：1.2968956232070923\n",
      "训练次数：4270，Loss：1.5527746677398682\n",
      "训练次数：4271，Loss：1.4215351343154907\n",
      "训练次数：4272，Loss：1.1657880544662476\n",
      "训练次数：4273，Loss：1.5844515562057495\n",
      "训练次数：4274，Loss：1.3063023090362549\n",
      "训练次数：4275，Loss：1.059276819229126\n",
      "训练次数：4276，Loss：1.2105212211608887\n",
      "训练次数：4277，Loss：1.53385329246521\n",
      "训练次数：4278，Loss：1.5431170463562012\n",
      "训练次数：4279，Loss：1.2757196426391602\n",
      "训练次数：4280，Loss：1.4145119190216064\n",
      "训练次数：4281，Loss：1.1179094314575195\n",
      "训练次数：4282，Loss：1.4911168813705444\n",
      "训练次数：4283，Loss：1.2520817518234253\n",
      "训练次数：4284，Loss：1.3379417657852173\n",
      "训练次数：4285，Loss：1.536940336227417\n",
      "训练次数：4286，Loss：1.3223116397857666\n",
      "训练次数：4287，Loss：1.296873688697815\n",
      "训练次数：4288，Loss：1.3680580854415894\n",
      "训练次数：4289，Loss：1.2741338014602661\n",
      "训练次数：4290，Loss：1.5321766138076782\n",
      "训练次数：4291，Loss：1.5023713111877441\n",
      "训练次数：4292，Loss：1.3954542875289917\n",
      "训练次数：4293，Loss：1.322601318359375\n",
      "训练次数：4294，Loss：1.287466287612915\n",
      "训练次数：4295，Loss：1.3256891965866089\n",
      "训练次数：4296，Loss：1.387372612953186\n",
      "训练次数：4297，Loss：1.3126949071884155\n",
      "训练次数：4298，Loss：1.616037130355835\n",
      "训练次数：4299，Loss：1.4365630149841309\n",
      "训练次数：4300，Loss：1.2204464673995972\n",
      "训练次数：4301，Loss：1.3339767456054688\n",
      "训练次数：4302，Loss：1.1658021211624146\n",
      "训练次数：4303，Loss：1.3836463689804077\n",
      "训练次数：4304，Loss：1.6190003156661987\n",
      "训练次数：4305，Loss：1.4630006551742554\n",
      "训练次数：4306，Loss：1.4370508193969727\n",
      "训练次数：4307，Loss：1.422981858253479\n",
      "训练次数：4308，Loss：1.5952932834625244\n",
      "训练次数：4309，Loss：1.2848498821258545\n",
      "训练次数：4310，Loss：1.3440051078796387\n",
      "训练次数：4311，Loss：1.3505175113677979\n",
      "训练次数：4312，Loss：1.5526670217514038\n",
      "训练次数：4313，Loss：1.499150276184082\n",
      "训练次数：4314，Loss：1.1942797899246216\n",
      "训练次数：4315，Loss：1.4340977668762207\n",
      "训练次数：4316，Loss：1.2959774732589722\n",
      "训练次数：4317，Loss：1.337080955505371\n",
      "训练次数：4318，Loss：1.0962327718734741\n",
      "训练次数：4319，Loss：1.3421989679336548\n",
      "训练次数：4320，Loss：1.1422675848007202\n",
      "训练次数：4321，Loss：1.6688140630722046\n",
      "训练次数：4322，Loss：1.3594340085983276\n",
      "训练次数：4323，Loss：1.500349998474121\n",
      "训练次数：4324，Loss：1.3974541425704956\n",
      "训练次数：4325，Loss：1.404868483543396\n",
      "训练次数：4326，Loss：1.3591327667236328\n",
      "训练次数：4327，Loss：1.6088988780975342\n",
      "训练次数：4328，Loss：1.2825521230697632\n",
      "训练次数：4329，Loss：1.3847006559371948\n",
      "训练次数：4330，Loss：1.4915645122528076\n",
      "训练次数：4331，Loss：1.4416136741638184\n",
      "训练次数：4332，Loss：1.4025802612304688\n",
      "训练次数：4333，Loss：1.5547462701797485\n",
      "训练次数：4334，Loss：1.2868568897247314\n",
      "训练次数：4335，Loss：1.3900930881500244\n",
      "训练次数：4336，Loss：1.5205689668655396\n",
      "训练次数：4337，Loss：1.357891321182251\n",
      "训练次数：4338，Loss：1.279274582862854\n",
      "训练次数：4339，Loss：1.4310801029205322\n",
      "训练次数：4340，Loss：1.3299691677093506\n",
      "训练次数：4341，Loss：1.4171956777572632\n",
      "训练次数：4342，Loss：1.2973339557647705\n",
      "训练次数：4343，Loss：1.486621618270874\n",
      "训练次数：4344，Loss：1.3408939838409424\n",
      "训练次数：4345，Loss：1.4031835794448853\n",
      "训练次数：4346，Loss：1.705745816230774\n",
      "训练次数：4347，Loss：1.4894351959228516\n",
      "训练次数：4348，Loss：1.4977761507034302\n",
      "训练次数：4349，Loss：1.3136135339736938\n",
      "训练次数：4350，Loss：1.4490759372711182\n",
      "训练次数：4351，Loss：1.532878041267395\n",
      "训练次数：4352，Loss：1.2799009084701538\n",
      "训练次数：4353，Loss：1.4786527156829834\n",
      "训练次数：4354，Loss：1.2590060234069824\n",
      "训练次数：4355，Loss：1.4860641956329346\n",
      "训练次数：4356，Loss：1.4940185546875\n",
      "训练次数：4357，Loss：1.4535239934921265\n",
      "训练次数：4358，Loss：1.387575387954712\n",
      "训练次数：4359，Loss：1.3420531749725342\n",
      "训练次数：4360，Loss：1.537908911705017\n",
      "训练次数：4361，Loss：1.2048847675323486\n",
      "训练次数：4362，Loss：1.1802009344100952\n",
      "训练次数：4363，Loss：1.2749898433685303\n",
      "训练次数：4364，Loss：1.3497960567474365\n",
      "训练次数：4365，Loss：1.4661614894866943\n",
      "训练次数：4366，Loss：1.5322046279907227\n",
      "训练次数：4367，Loss：1.5660946369171143\n",
      "训练次数：4368，Loss：1.2086955308914185\n",
      "训练次数：4369，Loss：1.1955974102020264\n",
      "训练次数：4370，Loss：1.3041131496429443\n",
      "训练次数：4371，Loss：1.4626903533935547\n",
      "训练次数：4372，Loss：1.4098888635635376\n",
      "训练次数：4373，Loss：1.2670836448669434\n",
      "训练次数：4374，Loss：1.4614442586898804\n",
      "训练次数：4375，Loss：1.3146370649337769\n",
      "训练次数：4376，Loss：1.1947981119155884\n",
      "训练次数：4377，Loss：1.5073426961898804\n",
      "训练次数：4378，Loss：1.3688379526138306\n",
      "训练次数：4379，Loss：1.2109856605529785\n",
      "训练次数：4380，Loss：1.4107049703598022\n",
      "训练次数：4381，Loss：1.4254471063613892\n",
      "训练次数：4382，Loss：1.5232481956481934\n",
      "训练次数：4383，Loss：1.2454960346221924\n",
      "训练次数：4384，Loss：1.5255000591278076\n",
      "训练次数：4385，Loss：1.1214003562927246\n",
      "训练次数：4386，Loss：1.5596778392791748\n",
      "训练次数：4387，Loss：1.4045473337173462\n",
      "训练次数：4388，Loss：1.4620778560638428\n",
      "训练次数：4389，Loss：1.44064199924469\n",
      "训练次数：4390，Loss：1.4017137289047241\n",
      "训练次数：4391，Loss：1.5578150749206543\n",
      "训练次数：4392，Loss：1.5006200075149536\n",
      "训练次数：4393，Loss：1.3687485456466675\n",
      "训练次数：4394，Loss：1.1924479007720947\n",
      "训练次数：4395，Loss：1.2846115827560425\n",
      "训练次数：4396，Loss：1.1719865798950195\n",
      "训练次数：4397，Loss：1.4433420896530151\n",
      "训练次数：4398，Loss：1.5393798351287842\n",
      "训练次数：4399，Loss：1.3278543949127197\n",
      "训练次数：4400，Loss：1.186646580696106\n",
      "训练次数：4401，Loss：1.6702020168304443\n",
      "训练次数：4402，Loss：1.4260972738265991\n",
      "训练次数：4403，Loss：1.4169992208480835\n",
      "训练次数：4404，Loss：1.2438703775405884\n",
      "训练次数：4405，Loss：1.4153647422790527\n",
      "训练次数：4406，Loss：1.5841667652130127\n",
      "训练次数：4407，Loss：1.3289934396743774\n",
      "训练次数：4408，Loss：1.4658104181289673\n",
      "训练次数：4409，Loss：1.6191058158874512\n",
      "训练次数：4410，Loss：1.3319737911224365\n",
      "训练次数：4411，Loss：1.504058837890625\n",
      "训练次数：4412，Loss：1.4323279857635498\n",
      "训练次数：4413，Loss：1.27530038356781\n",
      "训练次数：4414，Loss：1.5373382568359375\n",
      "训练次数：4415，Loss：1.5562494993209839\n",
      "训练次数：4416，Loss：1.4945303201675415\n",
      "训练次数：4417，Loss：1.373123288154602\n",
      "训练次数：4418，Loss：1.3802013397216797\n",
      "训练次数：4419，Loss：1.4390815496444702\n",
      "训练次数：4420，Loss：1.477761149406433\n",
      "训练次数：4421，Loss：1.487133264541626\n",
      "训练次数：4422，Loss：1.3414900302886963\n",
      "训练次数：4423，Loss：1.5031565427780151\n",
      "训练次数：4424，Loss：1.4967375993728638\n",
      "训练次数：4425，Loss：1.643748164176941\n",
      "训练次数：4426，Loss：1.3447238206863403\n",
      "训练次数：4427，Loss：1.6819558143615723\n",
      "训练次数：4428，Loss：1.2676477432250977\n",
      "训练次数：4429，Loss：1.3918590545654297\n",
      "训练次数：4430，Loss：1.3427950143814087\n",
      "训练次数：4431，Loss：1.627968668937683\n",
      "训练次数：4432，Loss：1.600892186164856\n",
      "训练次数：4433，Loss：1.393107295036316\n",
      "训练次数：4434，Loss：1.5215624570846558\n",
      "训练次数：4435，Loss：1.474916934967041\n",
      "训练次数：4436，Loss：1.6397491693496704\n",
      "训练次数：4437，Loss：1.4169005155563354\n",
      "训练次数：4438，Loss：1.273690104484558\n",
      "训练次数：4439，Loss：1.4653925895690918\n",
      "训练次数：4440，Loss：1.6466120481491089\n",
      "训练次数：4441，Loss：1.4408434629440308\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：4442，Loss：1.5175913572311401\n",
      "训练次数：4443，Loss：1.3010188341140747\n",
      "训练次数：4444，Loss：1.220524787902832\n",
      "训练次数：4445，Loss：1.3538410663604736\n",
      "训练次数：4446，Loss：1.2128729820251465\n",
      "训练次数：4447，Loss：1.4857909679412842\n",
      "训练次数：4448，Loss：1.4454128742218018\n",
      "训练次数：4449，Loss：1.4492034912109375\n",
      "训练次数：4450，Loss：1.3796952962875366\n",
      "训练次数：4451，Loss：1.4191044569015503\n",
      "训练次数：4452，Loss：1.431644082069397\n",
      "训练次数：4453，Loss：1.3895325660705566\n",
      "训练次数：4454，Loss：1.3243821859359741\n",
      "训练次数：4455，Loss：1.3329213857650757\n",
      "训练次数：4456，Loss：1.34470534324646\n",
      "训练次数：4457，Loss：1.4533765316009521\n",
      "训练次数：4458，Loss：1.3766530752182007\n",
      "训练次数：4459，Loss：1.3212772607803345\n",
      "训练次数：4460，Loss：1.5013898611068726\n",
      "训练次数：4461，Loss：1.3579297065734863\n",
      "训练次数：4462，Loss：1.6893439292907715\n",
      "训练次数：4463，Loss：1.3089282512664795\n",
      "训练次数：4464，Loss：1.5033118724822998\n",
      "训练次数：4465，Loss：1.2424166202545166\n",
      "训练次数：4466，Loss：1.267773151397705\n",
      "训练次数：4467，Loss：1.5279489755630493\n",
      "训练次数：4468，Loss：1.4906554222106934\n",
      "训练次数：4469，Loss：1.332912802696228\n",
      "训练次数：4470，Loss：1.4615602493286133\n",
      "训练次数：4471，Loss：1.374865174293518\n",
      "训练次数：4472，Loss：1.4004416465759277\n",
      "训练次数：4473，Loss：1.5217641592025757\n",
      "训练次数：4474，Loss：1.3280187845230103\n",
      "训练次数：4475，Loss：1.3767294883728027\n",
      "训练次数：4476，Loss：1.5277035236358643\n",
      "训练次数：4477，Loss：1.2514731884002686\n",
      "训练次数：4478，Loss：1.426485300064087\n",
      "训练次数：4479，Loss：1.4254539012908936\n",
      "训练次数：4480，Loss：1.2425403594970703\n",
      "训练次数：4481，Loss：1.3682899475097656\n",
      "训练次数：4482，Loss：1.3475641012191772\n",
      "训练次数：4483，Loss：1.2905657291412354\n",
      "训练次数：4484，Loss：1.5012726783752441\n",
      "训练次数：4485，Loss：1.3203537464141846\n",
      "训练次数：4486，Loss：1.3442823886871338\n",
      "训练次数：4487，Loss：1.5286709070205688\n",
      "训练次数：4488，Loss：1.8754289150238037\n",
      "训练次数：4489，Loss：1.2244337797164917\n",
      "训练次数：4490，Loss：1.3847535848617554\n",
      "训练次数：4491，Loss：1.399935007095337\n",
      "训练次数：4492，Loss：1.4308607578277588\n",
      "训练次数：4493，Loss：1.2817267179489136\n",
      "训练次数：4494，Loss：1.4306086301803589\n",
      "训练次数：4495，Loss：1.4192718267440796\n",
      "训练次数：4496，Loss：1.3298588991165161\n",
      "训练次数：4497，Loss：1.4856936931610107\n",
      "训练次数：4498，Loss：1.2628848552703857\n",
      "训练次数：4499，Loss：1.562150001525879\n",
      "训练次数：4500，Loss：1.4036954641342163\n",
      "训练次数：4501，Loss：1.4941725730895996\n",
      "训练次数：4502，Loss：1.231453776359558\n",
      "训练次数：4503，Loss：1.4945108890533447\n",
      "训练次数：4504，Loss：1.5129003524780273\n",
      "训练次数：4505，Loss：1.416640043258667\n",
      "训练次数：4506，Loss：1.7290164232254028\n",
      "训练次数：4507，Loss：1.4293428659439087\n",
      "训练次数：4508，Loss：1.448756456375122\n",
      "训练次数：4509，Loss：1.505375623703003\n",
      "训练次数：4510，Loss：1.4529144763946533\n",
      "训练次数：4511，Loss：1.4980673789978027\n",
      "训练次数：4512，Loss：1.2109969854354858\n",
      "训练次数：4513，Loss：1.1441359519958496\n",
      "训练次数：4514，Loss：1.5140846967697144\n",
      "训练次数：4515，Loss：1.4291529655456543\n",
      "训练次数：4516，Loss：1.1631230115890503\n",
      "训练次数：4517，Loss：1.068019986152649\n",
      "训练次数：4518，Loss：1.3477883338928223\n",
      "训练次数：4519，Loss：1.3005083799362183\n",
      "训练次数：4520，Loss：1.491171956062317\n",
      "训练次数：4521，Loss：1.373107671737671\n",
      "训练次数：4522，Loss：1.4408005475997925\n",
      "训练次数：4523，Loss：1.5414365530014038\n",
      "训练次数：4524，Loss：1.171878457069397\n",
      "训练次数：4525，Loss：1.403523325920105\n",
      "训练次数：4526，Loss：1.3835904598236084\n",
      "训练次数：4527，Loss：1.3355597257614136\n",
      "训练次数：4528，Loss：1.3461315631866455\n",
      "训练次数：4529，Loss：1.4502243995666504\n",
      "训练次数：4530，Loss：1.6257292032241821\n",
      "训练次数：4531，Loss：1.4172852039337158\n",
      "训练次数：4532，Loss：1.4968849420547485\n",
      "训练次数：4533，Loss：1.3261908292770386\n",
      "训练次数：4534，Loss：1.2454999685287476\n",
      "训练次数：4535，Loss：1.3159316778182983\n",
      "训练次数：4536，Loss：1.204925775527954\n",
      "训练次数：4537，Loss：1.2632757425308228\n",
      "训练次数：4538，Loss：1.658432960510254\n",
      "训练次数：4539，Loss：1.5693941116333008\n",
      "训练次数：4540，Loss：1.2304726839065552\n",
      "训练次数：4541，Loss：1.3163491487503052\n",
      "训练次数：4542，Loss：1.5339568853378296\n",
      "训练次数：4543，Loss：1.4413917064666748\n",
      "训练次数：4544，Loss：1.1438772678375244\n",
      "训练次数：4545，Loss：1.44239342212677\n",
      "训练次数：4546，Loss：1.1950510740280151\n",
      "训练次数：4547，Loss：1.3781523704528809\n",
      "训练次数：4548，Loss：1.4502419233322144\n",
      "训练次数：4549，Loss：1.4778636693954468\n",
      "训练次数：4550，Loss：1.5456844568252563\n",
      "训练次数：4551，Loss：1.44724702835083\n",
      "训练次数：4552，Loss：1.517386794090271\n",
      "训练次数：4553，Loss：1.4432637691497803\n",
      "训练次数：4554，Loss：1.2667531967163086\n",
      "训练次数：4555，Loss：1.3135044574737549\n",
      "训练次数：4556，Loss：1.5975494384765625\n",
      "训练次数：4557，Loss：1.3977552652359009\n",
      "训练次数：4558，Loss：1.3213034868240356\n",
      "训练次数：4559，Loss：1.4159564971923828\n",
      "训练次数：4560，Loss：1.6444051265716553\n",
      "训练次数：4561，Loss：1.2927943468093872\n",
      "训练次数：4562，Loss：1.44585382938385\n",
      "训练次数：4563，Loss：1.1647661924362183\n",
      "训练次数：4564，Loss：1.2333247661590576\n",
      "训练次数：4565，Loss：1.4326101541519165\n",
      "训练次数：4566，Loss：1.4260848760604858\n",
      "训练次数：4567，Loss：1.4193546772003174\n",
      "训练次数：4568，Loss：1.276336669921875\n",
      "训练次数：4569，Loss：1.6776978969573975\n",
      "训练次数：4570，Loss：1.3398480415344238\n",
      "训练次数：4571，Loss：1.3552368879318237\n",
      "训练次数：4572，Loss：1.1889058351516724\n",
      "训练次数：4573，Loss：1.1498667001724243\n",
      "训练次数：4574，Loss：1.3619530200958252\n",
      "训练次数：4575，Loss：1.7097934484481812\n",
      "训练次数：4576，Loss：1.6679245233535767\n",
      "训练次数：4577，Loss：1.2358386516571045\n",
      "训练次数：4578，Loss：1.5881962776184082\n",
      "训练次数：4579，Loss：1.3474149703979492\n",
      "训练次数：4580，Loss：1.3454269170761108\n",
      "训练次数：4581，Loss：1.4858369827270508\n",
      "训练次数：4582，Loss：1.2264455556869507\n",
      "训练次数：4583，Loss：1.3722665309906006\n",
      "训练次数：4584，Loss：1.3465290069580078\n",
      "训练次数：4585，Loss：1.4076471328735352\n",
      "训练次数：4586，Loss：1.6028600931167603\n",
      "训练次数：4587，Loss：1.5286622047424316\n",
      "训练次数：4588，Loss：1.242065668106079\n",
      "训练次数：4589，Loss：1.4780845642089844\n",
      "训练次数：4590，Loss：1.521539330482483\n",
      "训练次数：4591，Loss：1.4949595928192139\n",
      "训练次数：4592，Loss：1.1209992170333862\n",
      "训练次数：4593，Loss：1.209415078163147\n",
      "训练次数：4594，Loss：1.340111255645752\n",
      "训练次数：4595，Loss：1.476835012435913\n",
      "训练次数：4596，Loss：1.7524187564849854\n",
      "训练次数：4597，Loss：1.4091812372207642\n",
      "训练次数：4598，Loss：1.2539480924606323\n",
      "训练次数：4599，Loss：1.394952654838562\n",
      "训练次数：4600，Loss：1.4109693765640259\n",
      "训练次数：4601，Loss：1.4337555170059204\n",
      "训练次数：4602，Loss：1.5193959474563599\n",
      "训练次数：4603，Loss：1.6564089059829712\n",
      "训练次数：4604，Loss：1.5622756481170654\n",
      "训练次数：4605，Loss：1.4673271179199219\n",
      "训练次数：4606，Loss：1.3784818649291992\n",
      "训练次数：4607，Loss：1.4193768501281738\n",
      "训练次数：4608，Loss：1.3511662483215332\n",
      "训练次数：4609，Loss：1.2230308055877686\n",
      "训练次数：4610，Loss：1.57761812210083\n",
      "训练次数：4611，Loss：1.4615405797958374\n",
      "训练次数：4612，Loss：1.4514693021774292\n",
      "训练次数：4613，Loss：1.3529783487319946\n",
      "训练次数：4614，Loss：1.1689859628677368\n",
      "训练次数：4615，Loss：1.4219189882278442\n",
      "训练次数：4616，Loss：1.3755404949188232\n",
      "训练次数：4617，Loss：1.6237090826034546\n",
      "训练次数：4618，Loss：1.466167688369751\n",
      "训练次数：4619，Loss：1.1867743730545044\n",
      "训练次数：4620，Loss：1.1225625276565552\n",
      "训练次数：4621，Loss：1.4519315958023071\n",
      "训练次数：4622，Loss：1.2216600179672241\n",
      "训练次数：4623，Loss：1.3981326818466187\n",
      "训练次数：4624，Loss：1.3904163837432861\n",
      "训练次数：4625，Loss：1.3342913389205933\n",
      "训练次数：4626，Loss：1.3801602125167847\n",
      "训练次数：4627，Loss：1.2204046249389648\n",
      "训练次数：4628，Loss：1.289664387702942\n",
      "训练次数：4629，Loss：1.3512526750564575\n",
      "训练次数：4630，Loss：1.421311378479004\n",
      "训练次数：4631，Loss：1.29822838306427\n",
      "训练次数：4632，Loss：1.3844435214996338\n",
      "训练次数：4633，Loss：1.2033064365386963\n",
      "训练次数：4634，Loss：1.5666978359222412\n",
      "训练次数：4635，Loss：1.4152313470840454\n",
      "训练次数：4636，Loss：1.257627010345459\n",
      "训练次数：4637，Loss：1.5583703517913818\n",
      "训练次数：4638，Loss：1.6296929121017456\n",
      "训练次数：4639，Loss：1.3319677114486694\n",
      "训练次数：4640，Loss：1.3274202346801758\n",
      "训练次数：4641，Loss：1.192055583000183\n",
      "训练次数：4642，Loss：1.3066495656967163\n",
      "训练次数：4643，Loss：1.3341509103775024\n",
      "训练次数：4644，Loss：1.3020962476730347\n",
      "训练次数：4645，Loss：1.3367093801498413\n",
      "训练次数：4646，Loss：1.468248724937439\n",
      "训练次数：4647，Loss：1.1754881143569946\n",
      "训练次数：4648，Loss：1.3930633068084717\n",
      "训练次数：4649，Loss：1.234041452407837\n",
      "训练次数：4650，Loss：1.1504480838775635\n",
      "训练次数：4651，Loss：1.4583072662353516\n",
      "训练次数：4652，Loss：1.3983336687088013\n",
      "训练次数：4653，Loss：1.6419119834899902\n",
      "训练次数：4654，Loss：1.2650425434112549\n",
      "训练次数：4655，Loss：1.2149856090545654\n",
      "训练次数：4656，Loss：1.3635571002960205\n",
      "训练次数：4657，Loss：1.2212753295898438\n",
      "训练次数：4658，Loss：1.5469591617584229\n",
      "训练次数：4659，Loss：1.5035136938095093\n",
      "训练次数：4660，Loss：1.1893317699432373\n",
      "训练次数：4661，Loss：1.7655166387557983\n",
      "训练次数：4662，Loss：1.410693883895874\n",
      "训练次数：4663，Loss：1.3254848718643188\n",
      "训练次数：4664，Loss：1.3942863941192627\n",
      "训练次数：4665，Loss：1.3617792129516602\n",
      "训练次数：4666，Loss：1.375140905380249\n",
      "训练次数：4667，Loss：1.3830219507217407\n",
      "训练次数：4668，Loss：1.4117231369018555\n",
      "训练次数：4669，Loss：1.5742859840393066\n",
      "训练次数：4670，Loss：1.2950217723846436\n",
      "训练次数：4671，Loss：1.3527945280075073\n",
      "训练次数：4672，Loss：1.5095430612564087\n",
      "训练次数：4673，Loss：1.2948843240737915\n",
      "训练次数：4674，Loss：1.3983824253082275\n",
      "训练次数：4675，Loss：1.2185721397399902\n",
      "训练次数：4676，Loss：1.5036202669143677\n",
      "训练次数：4677，Loss：1.2852834463119507\n",
      "训练次数：4678，Loss：1.492569923400879\n",
      "训练次数：4679，Loss：1.1084990501403809\n",
      "训练次数：4680，Loss：1.2803620100021362\n",
      "训练次数：4681，Loss：1.4273922443389893\n",
      "训练次数：4682，Loss：1.4185593128204346\n",
      "训练次数：4683，Loss：1.40243399143219\n",
      "训练次数：4684，Loss：1.18117094039917\n",
      "训练次数：4685，Loss：1.3152263164520264\n",
      "训练次数：4686，Loss：1.1771094799041748\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：4687，Loss：1.4720959663391113\n",
      "训练次数：4688，Loss：1.3255469799041748\n",
      "训练次数：4689，Loss：1.3054076433181763\n",
      "训练次数：4690，Loss：1.3236397504806519\n",
      "训练次数：4691，Loss：1.4870140552520752\n",
      "训练次数：4692，Loss：2.085285186767578\n",
      "-----第 7 轮训练开始-----\n",
      "训练次数：4693，Loss：1.519224762916565\n",
      "训练次数：4694，Loss：1.3556820154190063\n",
      "训练次数：4695，Loss：1.5660985708236694\n",
      "训练次数：4696，Loss：1.1271326541900635\n",
      "训练次数：4697，Loss：1.3352539539337158\n",
      "训练次数：4698，Loss：1.3362044095993042\n",
      "训练次数：4699，Loss：1.392911672592163\n",
      "训练次数：4700，Loss：1.3740172386169434\n",
      "训练次数：4701，Loss：1.2784521579742432\n",
      "训练次数：4702，Loss：1.5908927917480469\n",
      "训练次数：4703，Loss：1.4658493995666504\n",
      "训练次数：4704，Loss：1.482593059539795\n",
      "训练次数：4705，Loss：1.4365222454071045\n",
      "训练次数：4706，Loss：1.553460717201233\n",
      "训练次数：4707，Loss：1.3732904195785522\n",
      "训练次数：4708，Loss：1.1478455066680908\n",
      "训练次数：4709，Loss：1.3281872272491455\n",
      "训练次数：4710，Loss：1.217025637626648\n",
      "训练次数：4711，Loss：1.3702733516693115\n",
      "训练次数：4712，Loss：1.2529633045196533\n",
      "训练次数：4713，Loss：1.5462729930877686\n",
      "训练次数：4714，Loss：1.2331496477127075\n",
      "训练次数：4715，Loss：1.3616057634353638\n",
      "训练次数：4716，Loss：1.4088295698165894\n",
      "训练次数：4717，Loss：1.362139105796814\n",
      "训练次数：4718，Loss：1.2707918882369995\n",
      "训练次数：4719，Loss：1.350364327430725\n",
      "训练次数：4720，Loss：1.2776216268539429\n",
      "训练次数：4721，Loss：1.1521179676055908\n",
      "训练次数：4722，Loss：1.2130166292190552\n",
      "训练次数：4723，Loss：1.5333448648452759\n",
      "训练次数：4724，Loss：1.4934989213943481\n",
      "训练次数：4725，Loss：1.299009919166565\n",
      "训练次数：4726，Loss：1.2128504514694214\n",
      "训练次数：4727，Loss：1.3656444549560547\n",
      "训练次数：4728，Loss：1.2690118551254272\n",
      "训练次数：4729，Loss：1.3810280561447144\n",
      "训练次数：4730，Loss：1.411043405532837\n",
      "训练次数：4731，Loss：1.3232046365737915\n",
      "训练次数：4732，Loss：1.6759462356567383\n",
      "训练次数：4733，Loss：1.479846715927124\n",
      "训练次数：4734，Loss：1.1594854593276978\n",
      "训练次数：4735，Loss：1.5138415098190308\n",
      "训练次数：4736，Loss：1.6112606525421143\n",
      "训练次数：4737，Loss：1.2454679012298584\n",
      "训练次数：4738，Loss：1.2627570629119873\n",
      "训练次数：4739，Loss：1.4074256420135498\n",
      "训练次数：4740，Loss：1.5948150157928467\n",
      "训练次数：4741，Loss：1.3788135051727295\n",
      "训练次数：4742，Loss：1.524343490600586\n",
      "训练次数：4743，Loss：1.3250150680541992\n",
      "训练次数：4744，Loss：1.5080323219299316\n",
      "训练次数：4745，Loss：1.392413854598999\n",
      "训练次数：4746，Loss：1.462469458580017\n",
      "训练次数：4747，Loss：1.2347034215927124\n",
      "训练次数：4748，Loss：1.2797355651855469\n",
      "训练次数：4749，Loss：1.374792218208313\n",
      "训练次数：4750，Loss：1.2479914426803589\n",
      "训练次数：4751，Loss：1.1727511882781982\n",
      "训练次数：4752，Loss：1.239457130432129\n",
      "训练次数：4753，Loss：1.3482896089553833\n",
      "训练次数：4754，Loss：1.4593613147735596\n",
      "训练次数：4755，Loss：1.4334584474563599\n",
      "训练次数：4756，Loss：1.3831491470336914\n",
      "训练次数：4757，Loss：1.4462403059005737\n",
      "训练次数：4758，Loss：1.3743077516555786\n",
      "训练次数：4759，Loss：1.360470175743103\n",
      "训练次数：4760，Loss：1.4424806833267212\n",
      "训练次数：4761，Loss：1.1305042505264282\n",
      "训练次数：4762，Loss：1.2129267454147339\n",
      "训练次数：4763，Loss：1.5450141429901123\n",
      "训练次数：4764，Loss：1.2337490320205688\n",
      "训练次数：4765，Loss：1.3155616521835327\n",
      "训练次数：4766，Loss：1.2901766300201416\n",
      "训练次数：4767，Loss：1.4496667385101318\n",
      "训练次数：4768，Loss：1.4682706594467163\n",
      "训练次数：4769，Loss：1.4339675903320312\n",
      "训练次数：4770，Loss：1.552277684211731\n",
      "训练次数：4771，Loss：1.2727110385894775\n",
      "训练次数：4772，Loss：1.6331136226654053\n",
      "训练次数：4773，Loss：1.5791274309158325\n",
      "训练次数：4774，Loss：1.2705109119415283\n",
      "训练次数：4775，Loss：1.5131452083587646\n",
      "训练次数：4776，Loss：1.2805718183517456\n",
      "训练次数：4777，Loss：1.4805326461791992\n",
      "训练次数：4778，Loss：1.3720078468322754\n",
      "训练次数：4779，Loss：1.3138973712921143\n",
      "训练次数：4780，Loss：1.0916197299957275\n",
      "训练次数：4781，Loss：1.3692213296890259\n",
      "训练次数：4782，Loss：1.361899495124817\n",
      "训练次数：4783，Loss：1.418666958808899\n",
      "训练次数：4784，Loss：1.4296120405197144\n",
      "训练次数：4785，Loss：1.1693649291992188\n",
      "训练次数：4786，Loss：1.3222596645355225\n",
      "训练次数：4787，Loss：1.3333534002304077\n",
      "训练次数：4788，Loss：1.632855772972107\n",
      "训练次数：4789，Loss：1.170738697052002\n",
      "训练次数：4790，Loss：1.5060611963272095\n",
      "训练次数：4791，Loss：1.1497583389282227\n",
      "训练次数：4792，Loss：1.2208994626998901\n",
      "训练次数：4793，Loss：1.3819096088409424\n",
      "训练次数：4794，Loss：1.2512657642364502\n",
      "训练次数：4795，Loss：1.391944169998169\n",
      "训练次数：4796，Loss：1.5303622484207153\n",
      "训练次数：4797，Loss：1.4992647171020508\n",
      "训练次数：4798，Loss：1.2202401161193848\n",
      "训练次数：4799，Loss：1.3051313161849976\n",
      "训练次数：4800，Loss：1.5781129598617554\n",
      "训练次数：4801，Loss：1.3012138605117798\n",
      "训练次数：4802，Loss：1.2143713235855103\n",
      "训练次数：4803，Loss：1.406919240951538\n",
      "训练次数：4804，Loss：1.3038235902786255\n",
      "训练次数：4805，Loss：1.2980090379714966\n",
      "训练次数：4806，Loss：1.1056621074676514\n",
      "训练次数：4807，Loss：1.3057663440704346\n",
      "训练次数：4808，Loss：1.5132865905761719\n",
      "训练次数：4809，Loss：1.3088234663009644\n",
      "训练次数：4810，Loss：1.3276662826538086\n",
      "训练次数：4811，Loss：1.5311272144317627\n",
      "训练次数：4812，Loss：1.3896102905273438\n",
      "训练次数：4813，Loss：1.368266224861145\n",
      "训练次数：4814，Loss：1.402536153793335\n",
      "训练次数：4815，Loss：1.278340220451355\n",
      "训练次数：4816，Loss：1.361311435699463\n",
      "训练次数：4817，Loss：1.480017900466919\n",
      "训练次数：4818，Loss：1.2532293796539307\n",
      "训练次数：4819，Loss：1.3906888961791992\n",
      "训练次数：4820，Loss：1.2101494073867798\n",
      "训练次数：4821，Loss：1.3596643209457397\n",
      "训练次数：4822，Loss：1.240331768989563\n",
      "训练次数：4823，Loss：1.3673900365829468\n",
      "训练次数：4824，Loss：1.2480144500732422\n",
      "训练次数：4825，Loss：1.5639821290969849\n",
      "训练次数：4826，Loss：1.104378342628479\n",
      "训练次数：4827，Loss：1.3471992015838623\n",
      "训练次数：4828，Loss：1.3341147899627686\n",
      "训练次数：4829，Loss：1.5382987260818481\n",
      "训练次数：4830，Loss：1.527581810951233\n",
      "训练次数：4831，Loss：1.1806174516677856\n",
      "训练次数：4832，Loss：1.5569918155670166\n",
      "训练次数：4833，Loss：1.6619064807891846\n",
      "训练次数：4834，Loss：1.488977313041687\n",
      "训练次数：4835，Loss：1.2364692687988281\n",
      "训练次数：4836，Loss：1.2769964933395386\n",
      "训练次数：4837，Loss：1.1648577451705933\n",
      "训练次数：4838，Loss：1.352598786354065\n",
      "训练次数：4839，Loss：1.264317512512207\n",
      "训练次数：4840，Loss：1.4480571746826172\n",
      "训练次数：4841，Loss：1.1863205432891846\n",
      "训练次数：4842，Loss：1.2701842784881592\n",
      "训练次数：4843，Loss：1.3468904495239258\n",
      "训练次数：4844，Loss：1.422999620437622\n",
      "训练次数：4845，Loss：1.3473303318023682\n",
      "训练次数：4846，Loss：1.178030252456665\n",
      "训练次数：4847，Loss：1.370643138885498\n",
      "训练次数：4848，Loss：1.434319019317627\n",
      "训练次数：4849，Loss：1.3526768684387207\n",
      "训练次数：4850，Loss：1.2164061069488525\n",
      "训练次数：4851，Loss：1.53451406955719\n",
      "训练次数：4852，Loss：1.636512279510498\n",
      "训练次数：4853，Loss：1.3857089281082153\n",
      "训练次数：4854，Loss：1.2076096534729004\n",
      "训练次数：4855，Loss：1.5619099140167236\n",
      "训练次数：4856，Loss：1.5923306941986084\n",
      "训练次数：4857，Loss：1.3936512470245361\n",
      "训练次数：4858，Loss：1.6781060695648193\n",
      "训练次数：4859，Loss：1.3008018732070923\n",
      "训练次数：4860，Loss：1.339500069618225\n",
      "训练次数：4861，Loss：1.2615703344345093\n",
      "训练次数：4862，Loss：1.2875118255615234\n",
      "训练次数：4863，Loss：1.4848686456680298\n",
      "训练次数：4864，Loss：1.3054676055908203\n",
      "训练次数：4865，Loss：1.346327543258667\n",
      "训练次数：4866，Loss：1.7480663061141968\n",
      "训练次数：4867，Loss：1.2085944414138794\n",
      "训练次数：4868，Loss：1.4173626899719238\n",
      "训练次数：4869，Loss：1.3066271543502808\n",
      "训练次数：4870，Loss：1.4212327003479004\n",
      "训练次数：4871，Loss：1.445259690284729\n",
      "训练次数：4872，Loss：1.4387918710708618\n",
      "训练次数：4873，Loss：1.1749125719070435\n",
      "训练次数：4874，Loss：1.2529633045196533\n",
      "训练次数：4875，Loss：1.3018765449523926\n",
      "训练次数：4876，Loss：1.3341364860534668\n",
      "训练次数：4877，Loss：1.62977135181427\n",
      "训练次数：4878，Loss：1.4380817413330078\n",
      "训练次数：4879，Loss：1.3741596937179565\n",
      "训练次数：4880，Loss：1.2900747060775757\n",
      "训练次数：4881，Loss：1.4442658424377441\n",
      "训练次数：4882，Loss：1.3946889638900757\n",
      "训练次数：4883，Loss：1.1467589139938354\n",
      "训练次数：4884，Loss：1.4144140481948853\n",
      "训练次数：4885，Loss：1.6159389019012451\n",
      "训练次数：4886，Loss：1.2932822704315186\n",
      "训练次数：4887，Loss：1.3451497554779053\n",
      "训练次数：4888，Loss：1.4339438676834106\n",
      "训练次数：4889，Loss：1.3421539068222046\n",
      "训练次数：4890，Loss：1.5210981369018555\n",
      "训练次数：4891，Loss：1.4767616987228394\n",
      "训练次数：4892，Loss：1.3315197229385376\n",
      "训练次数：4893，Loss：1.1468039751052856\n",
      "训练次数：4894，Loss：1.574953556060791\n",
      "训练次数：4895，Loss：1.3882293701171875\n",
      "训练次数：4896，Loss：1.3993703126907349\n",
      "训练次数：4897，Loss：1.3774372339248657\n",
      "训练次数：4898，Loss：1.5044066905975342\n",
      "训练次数：4899，Loss：1.330169677734375\n",
      "训练次数：4900，Loss：1.3940995931625366\n",
      "训练次数：4901，Loss：1.2845983505249023\n",
      "训练次数：4902，Loss：1.6686220169067383\n",
      "训练次数：4903，Loss：1.1469645500183105\n",
      "训练次数：4904，Loss：1.2718050479888916\n",
      "训练次数：4905，Loss：1.2277143001556396\n",
      "训练次数：4906，Loss：1.3810189962387085\n",
      "训练次数：4907，Loss：1.538314700126648\n",
      "训练次数：4908，Loss：1.4792016744613647\n",
      "训练次数：4909，Loss：1.2716413736343384\n",
      "训练次数：4910，Loss：1.2728468179702759\n",
      "训练次数：4911，Loss：1.3055808544158936\n",
      "训练次数：4912，Loss：1.352296233177185\n",
      "训练次数：4913，Loss：1.3407576084136963\n",
      "训练次数：4914，Loss：1.490599274635315\n",
      "训练次数：4915，Loss：1.387245774269104\n",
      "训练次数：4916，Loss：1.5280267000198364\n",
      "训练次数：4917，Loss：1.4863284826278687\n",
      "训练次数：4918，Loss：1.2722976207733154\n",
      "训练次数：4919，Loss：1.3540908098220825\n",
      "训练次数：4920，Loss：1.216087818145752\n",
      "训练次数：4921，Loss：1.2913682460784912\n",
      "训练次数：4922，Loss：1.5506054162979126\n",
      "训练次数：4923，Loss：1.2922309637069702\n",
      "训练次数：4924，Loss：1.4519271850585938\n",
      "训练次数：4925，Loss：1.3650403022766113\n",
      "训练次数：4926，Loss：1.525886058807373\n",
      "训练次数：4927，Loss：1.4102346897125244\n",
      "训练次数：4928，Loss：1.480838656425476\n",
      "训练次数：4929，Loss：1.5558661222457886\n",
      "训练次数：4930，Loss：1.376096248626709\n",
      "训练次数：4931，Loss：1.244576096534729\n",
      "训练次数：4932，Loss：1.2701759338378906\n",
      "训练次数：4933，Loss：1.4378600120544434\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：4934，Loss：1.3785274028778076\n",
      "训练次数：4935，Loss：1.2724355459213257\n",
      "训练次数：4936，Loss：1.656022071838379\n",
      "训练次数：4937，Loss：1.2903038263320923\n",
      "训练次数：4938，Loss：1.5149048566818237\n",
      "训练次数：4939，Loss：1.3030513525009155\n",
      "训练次数：4940，Loss：1.4136345386505127\n",
      "训练次数：4941，Loss：1.538629412651062\n",
      "训练次数：4942，Loss：1.6109185218811035\n",
      "训练次数：4943，Loss：1.396286964416504\n",
      "训练次数：4944，Loss：1.4051926136016846\n",
      "训练次数：4945，Loss：1.3788559436798096\n",
      "训练次数：4946，Loss：1.370940089225769\n",
      "训练次数：4947，Loss：1.3661842346191406\n",
      "训练次数：4948，Loss：1.2370285987854004\n",
      "训练次数：4949，Loss：1.3768833875656128\n",
      "训练次数：4950，Loss：1.1342240571975708\n",
      "训练次数：4951，Loss：1.5025675296783447\n",
      "训练次数：4952，Loss：1.4027045965194702\n",
      "训练次数：4953，Loss：1.2717969417572021\n",
      "训练次数：4954，Loss：1.3294717073440552\n",
      "训练次数：4955，Loss：1.3346762657165527\n",
      "训练次数：4956，Loss：1.5191233158111572\n",
      "训练次数：4957，Loss：1.114199161529541\n",
      "训练次数：4958，Loss：1.190596342086792\n",
      "训练次数：4959，Loss：1.3024400472640991\n",
      "训练次数：4960，Loss：1.3304762840270996\n",
      "训练次数：4961，Loss：1.1992923021316528\n",
      "训练次数：4962，Loss：1.4271464347839355\n",
      "训练次数：4963，Loss：1.3883421421051025\n",
      "训练次数：4964，Loss：1.273801326751709\n",
      "训练次数：4965，Loss：1.3320306539535522\n",
      "训练次数：4966，Loss：1.2981935739517212\n",
      "训练次数：4967，Loss：1.2367029190063477\n",
      "训练次数：4968，Loss：1.2042673826217651\n",
      "训练次数：4969，Loss：1.6492382287979126\n",
      "训练次数：4970，Loss：1.4320939779281616\n",
      "训练次数：4971，Loss：1.4535490274429321\n",
      "训练次数：4972，Loss：1.171675205230713\n",
      "训练次数：4973，Loss：1.2660022974014282\n",
      "训练次数：4974，Loss：1.4114028215408325\n",
      "训练次数：4975，Loss：1.1763476133346558\n",
      "训练次数：4976，Loss：1.4793683290481567\n",
      "训练次数：4977，Loss：1.2847397327423096\n",
      "训练次数：4978，Loss：1.3475879430770874\n",
      "训练次数：4979，Loss：1.3220890760421753\n",
      "训练次数：4980，Loss：1.3792837858200073\n",
      "训练次数：4981，Loss：1.5391242504119873\n",
      "训练次数：4982，Loss：1.4824624061584473\n",
      "训练次数：4983，Loss：1.370512843132019\n",
      "训练次数：4984，Loss：1.3958030939102173\n",
      "训练次数：4985，Loss：1.272026777267456\n",
      "训练次数：4986，Loss：1.218461513519287\n",
      "训练次数：4987，Loss：1.2493151426315308\n",
      "训练次数：4988，Loss：1.2637296915054321\n",
      "训练次数：4989，Loss：1.5175223350524902\n",
      "训练次数：4990，Loss：1.3255071640014648\n",
      "训练次数：4991，Loss：1.2751972675323486\n",
      "训练次数：4992，Loss：1.433793067932129\n",
      "训练次数：4993，Loss：1.3150250911712646\n",
      "训练次数：4994，Loss：1.2520146369934082\n",
      "训练次数：4995，Loss：1.326537847518921\n",
      "训练次数：4996，Loss：1.202230453491211\n",
      "训练次数：4997，Loss：1.2288305759429932\n",
      "训练次数：4998，Loss：1.6649539470672607\n",
      "训练次数：4999，Loss：1.3618924617767334\n",
      "训练次数：5000，Loss：1.4239451885223389\n",
      "训练次数：5001，Loss：1.4996247291564941\n",
      "训练次数：5002，Loss：1.2462034225463867\n",
      "训练次数：5003，Loss：1.270070195198059\n",
      "训练次数：5004，Loss：1.355606198310852\n",
      "训练次数：5005，Loss：1.436850905418396\n",
      "训练次数：5006，Loss：1.379078984260559\n",
      "训练次数：5007，Loss：1.290978193283081\n",
      "训练次数：5008，Loss：1.4358724355697632\n",
      "训练次数：5009，Loss：1.4664725065231323\n",
      "训练次数：5010，Loss：1.4592407941818237\n",
      "训练次数：5011，Loss：1.2373933792114258\n",
      "训练次数：5012，Loss：1.333492398262024\n",
      "训练次数：5013，Loss：1.4259225130081177\n",
      "训练次数：5014，Loss：1.4500539302825928\n",
      "训练次数：5015，Loss：1.3715732097625732\n",
      "训练次数：5016，Loss：1.4534962177276611\n",
      "训练次数：5017，Loss：1.3110544681549072\n",
      "训练次数：5018，Loss：1.3325937986373901\n",
      "训练次数：5019，Loss：1.1963136196136475\n",
      "训练次数：5020，Loss：1.3086867332458496\n",
      "训练次数：5021，Loss：1.3029533624649048\n",
      "训练次数：5022，Loss：1.3360822200775146\n",
      "训练次数：5023，Loss：1.2629677057266235\n",
      "训练次数：5024，Loss：1.3554543256759644\n",
      "训练次数：5025，Loss：1.3117592334747314\n",
      "训练次数：5026，Loss：1.337750792503357\n",
      "训练次数：5027，Loss：1.4627702236175537\n",
      "训练次数：5028，Loss：1.4625052213668823\n",
      "训练次数：5029，Loss：1.3573415279388428\n",
      "训练次数：5030，Loss：1.0903435945510864\n",
      "训练次数：5031，Loss：1.3354836702346802\n",
      "训练次数：5032，Loss：1.3141392469406128\n",
      "训练次数：5033，Loss：1.603942632675171\n",
      "训练次数：5034，Loss：1.4600014686584473\n",
      "训练次数：5035，Loss：1.20611572265625\n",
      "训练次数：5036，Loss：1.3466603755950928\n",
      "训练次数：5037，Loss：1.4203886985778809\n",
      "训练次数：5038，Loss：1.2058953046798706\n",
      "训练次数：5039，Loss：1.1923656463623047\n",
      "训练次数：5040，Loss：1.3571381568908691\n",
      "训练次数：5041，Loss：1.4256755113601685\n",
      "训练次数：5042，Loss：1.313978910446167\n",
      "训练次数：5043，Loss：1.3816746473312378\n",
      "训练次数：5044，Loss：1.4311827421188354\n",
      "训练次数：5045，Loss：1.2497516870498657\n",
      "训练次数：5046，Loss：1.49696946144104\n",
      "训练次数：5047，Loss：1.3302905559539795\n",
      "训练次数：5048，Loss：1.3334331512451172\n",
      "训练次数：5049，Loss：1.3575068712234497\n",
      "训练次数：5050，Loss：1.4440838098526\n",
      "训练次数：5051，Loss：1.236279845237732\n",
      "训练次数：5052，Loss：1.488741159439087\n",
      "训练次数：5053，Loss：1.3607902526855469\n",
      "训练次数：5054，Loss：1.062538504600525\n",
      "训练次数：5055，Loss：1.4827619791030884\n",
      "训练次数：5056，Loss：1.2696266174316406\n",
      "训练次数：5057，Loss：1.0179572105407715\n",
      "训练次数：5058，Loss：1.1383439302444458\n",
      "训练次数：5059，Loss：1.495592474937439\n",
      "训练次数：5060，Loss：1.4759376049041748\n",
      "训练次数：5061，Loss：1.2099207639694214\n",
      "训练次数：5062，Loss：1.3507293462753296\n",
      "训练次数：5063，Loss：1.0445787906646729\n",
      "训练次数：5064，Loss：1.400909185409546\n",
      "训练次数：5065，Loss：1.1871156692504883\n",
      "训练次数：5066，Loss：1.2762507200241089\n",
      "训练次数：5067，Loss：1.4909783601760864\n",
      "训练次数：5068，Loss：1.276414394378662\n",
      "训练次数：5069，Loss：1.2471363544464111\n",
      "训练次数：5070，Loss：1.3097590208053589\n",
      "训练次数：5071，Loss：1.2259060144424438\n",
      "训练次数：5072，Loss：1.521166443824768\n",
      "训练次数：5073，Loss：1.4435852766036987\n",
      "训练次数：5074，Loss：1.3253459930419922\n",
      "训练次数：5075，Loss：1.2599239349365234\n",
      "训练次数：5076，Loss：1.2587547302246094\n",
      "训练次数：5077，Loss：1.2573355436325073\n",
      "训练次数：5078，Loss：1.3014472723007202\n",
      "训练次数：5079，Loss：1.2569743394851685\n",
      "训练次数：5080，Loss：1.529137372970581\n",
      "训练次数：5081，Loss：1.3816094398498535\n",
      "训练次数：5082，Loss：1.1764949560165405\n",
      "训练次数：5083，Loss：1.2430362701416016\n",
      "训练次数：5084，Loss：1.0994571447372437\n",
      "训练次数：5085，Loss：1.331041932106018\n",
      "训练次数：5086，Loss：1.542607069015503\n",
      "训练次数：5087，Loss：1.431406855583191\n",
      "训练次数：5088，Loss：1.3377951383590698\n",
      "训练次数：5089，Loss：1.3725777864456177\n",
      "训练次数：5090，Loss：1.5493675470352173\n",
      "训练次数：5091，Loss：1.2374659776687622\n",
      "训练次数：5092，Loss：1.2651480436325073\n",
      "训练次数：5093，Loss：1.2642390727996826\n",
      "训练次数：5094，Loss：1.4798870086669922\n",
      "训练次数：5095，Loss：1.4352831840515137\n",
      "训练次数：5096，Loss：1.1231343746185303\n",
      "训练次数：5097，Loss：1.3720892667770386\n",
      "训练次数：5098，Loss：1.2142151594161987\n",
      "训练次数：5099，Loss：1.2912049293518066\n",
      "训练次数：5100，Loss：1.0571630001068115\n",
      "训练次数：5101，Loss：1.2709146738052368\n",
      "训练次数：5102，Loss：1.0745956897735596\n",
      "训练次数：5103，Loss：1.6014245748519897\n",
      "训练次数：5104，Loss：1.296994924545288\n",
      "训练次数：5105，Loss：1.4344996213912964\n",
      "训练次数：5106，Loss：1.3439509868621826\n",
      "训练次数：5107，Loss：1.3426661491394043\n",
      "训练次数：5108，Loss：1.2779061794281006\n",
      "训练次数：5109，Loss：1.5304173231124878\n",
      "训练次数：5110，Loss：1.2337207794189453\n",
      "训练次数：5111，Loss：1.3798493146896362\n",
      "训练次数：5112，Loss：1.4403702020645142\n",
      "训练次数：5113，Loss：1.4032158851623535\n",
      "训练次数：5114，Loss：1.3459038734436035\n",
      "训练次数：5115，Loss：1.4699066877365112\n",
      "训练次数：5116，Loss：1.2272372245788574\n",
      "训练次数：5117，Loss：1.34101140499115\n",
      "训练次数：5118，Loss：1.454053282737732\n",
      "训练次数：5119，Loss：1.2866129875183105\n",
      "训练次数：5120，Loss：1.2079763412475586\n",
      "训练次数：5121，Loss：1.3824574947357178\n",
      "训练次数：5122，Loss：1.2443588972091675\n",
      "训练次数：5123，Loss：1.3663994073867798\n",
      "训练次数：5124，Loss：1.231693148612976\n",
      "训练次数：5125，Loss：1.4198709726333618\n",
      "训练次数：5126，Loss：1.281955599784851\n",
      "训练次数：5127，Loss：1.3440876007080078\n",
      "训练次数：5128，Loss：1.6508285999298096\n",
      "训练次数：5129，Loss：1.4117430448532104\n",
      "训练次数：5130，Loss：1.386500597000122\n",
      "训练次数：5131，Loss：1.2460631132125854\n",
      "训练次数：5132，Loss：1.3620110750198364\n",
      "训练次数：5133，Loss：1.418463945388794\n",
      "训练次数：5134，Loss：1.1889139413833618\n",
      "训练次数：5135，Loss：1.417156457901001\n",
      "训练次数：5136，Loss：1.1882812976837158\n",
      "训练次数：5137，Loss：1.4465137720108032\n",
      "训练次数：5138，Loss：1.4108198881149292\n",
      "训练次数：5139，Loss：1.413489580154419\n",
      "训练次数：5140，Loss：1.3353755474090576\n",
      "训练次数：5141，Loss：1.2829629182815552\n",
      "训练次数：5142，Loss：1.473433256149292\n",
      "训练次数：5143，Loss：1.1558537483215332\n",
      "训练次数：5144，Loss：1.1186541318893433\n",
      "训练次数：5145，Loss：1.2279794216156006\n",
      "训练次数：5146，Loss：1.2911674976348877\n",
      "训练次数：5147，Loss：1.3724536895751953\n",
      "训练次数：5148，Loss：1.5091290473937988\n",
      "训练次数：5149，Loss：1.521872878074646\n",
      "训练次数：5150，Loss：1.1372607946395874\n",
      "训练次数：5151，Loss：1.1204798221588135\n",
      "训练次数：5152，Loss：1.2487773895263672\n",
      "训练次数：5153，Loss：1.3916875123977661\n",
      "训练次数：5154，Loss：1.3640623092651367\n",
      "训练次数：5155，Loss：1.1811611652374268\n",
      "训练次数：5156，Loss：1.4074729681015015\n",
      "训练次数：5157，Loss：1.2374796867370605\n",
      "训练次数：5158，Loss：1.1320127248764038\n",
      "训练次数：5159，Loss：1.4657071828842163\n",
      "训练次数：5160，Loss：1.3075271844863892\n",
      "训练次数：5161，Loss：1.1467090845108032\n",
      "训练次数：5162，Loss：1.3592429161071777\n",
      "训练次数：5163，Loss：1.3720653057098389\n",
      "训练次数：5164，Loss：1.4546691179275513\n",
      "训练次数：5165，Loss：1.1953710317611694\n",
      "训练次数：5166，Loss：1.4327855110168457\n",
      "训练次数：5167，Loss：1.0618486404418945\n",
      "训练次数：5168，Loss：1.4714802503585815\n",
      "训练次数：5169，Loss：1.348012089729309\n",
      "训练次数：5170，Loss：1.3221533298492432\n",
      "训练次数：5171，Loss：1.336133360862732\n",
      "训练次数：5172，Loss：1.3798738718032837\n",
      "训练次数：5173，Loss：1.5255868434906006\n",
      "训练次数：5174，Loss：1.4257749319076538\n",
      "训练次数：5175，Loss：1.3266838788986206\n",
      "训练次数：5176，Loss：1.1042381525039673\n",
      "训练次数：5177，Loss：1.236444354057312\n",
      "训练次数：5178，Loss：1.135340690612793\n",
      "训练次数：5179，Loss：1.3642128705978394\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：5180，Loss：1.4837757349014282\n",
      "训练次数：5181，Loss：1.2863258123397827\n",
      "训练次数：5182，Loss：1.1352357864379883\n",
      "训练次数：5183，Loss：1.6287715435028076\n",
      "训练次数：5184，Loss：1.3774763345718384\n",
      "训练次数：5185，Loss：1.3291441202163696\n",
      "训练次数：5186，Loss：1.1761362552642822\n",
      "训练次数：5187，Loss：1.3804004192352295\n",
      "训练次数：5188，Loss：1.5193694829940796\n",
      "训练次数：5189，Loss：1.2545287609100342\n",
      "训练次数：5190，Loss：1.3844538927078247\n",
      "训练次数：5191，Loss：1.542839765548706\n",
      "训练次数：5192，Loss：1.2501434087753296\n",
      "训练次数：5193，Loss：1.449038028717041\n",
      "训练次数：5194，Loss：1.362863302230835\n",
      "训练次数：5195，Loss：1.230383276939392\n",
      "训练次数：5196，Loss：1.4769742488861084\n",
      "训练次数：5197，Loss：1.5047974586486816\n",
      "训练次数：5198，Loss：1.4397615194320679\n",
      "训练次数：5199，Loss：1.3175444602966309\n",
      "训练次数：5200，Loss：1.3434659242630005\n",
      "训练次数：5201，Loss：1.3450071811676025\n",
      "训练次数：5202，Loss：1.4510201215744019\n",
      "训练次数：5203，Loss：1.3962490558624268\n",
      "训练次数：5204，Loss：1.3086860179901123\n",
      "训练次数：5205，Loss：1.4334087371826172\n",
      "训练次数：5206，Loss：1.4282958507537842\n",
      "训练次数：5207，Loss：1.5790270566940308\n",
      "训练次数：5208，Loss：1.2877092361450195\n",
      "训练次数：5209，Loss：1.6114262342453003\n",
      "训练次数：5210，Loss：1.2173324823379517\n",
      "训练次数：5211，Loss：1.3038346767425537\n",
      "训练次数：5212，Loss：1.2808536291122437\n",
      "训练次数：5213，Loss：1.5836747884750366\n",
      "训练次数：5214，Loss：1.5102870464324951\n",
      "训练次数：5215，Loss：1.322119951248169\n",
      "训练次数：5216，Loss：1.4672257900238037\n",
      "训练次数：5217，Loss：1.3904982805252075\n",
      "训练次数：5218，Loss：1.5841015577316284\n",
      "训练次数：5219，Loss：1.3715989589691162\n",
      "训练次数：5220，Loss：1.2041926383972168\n",
      "训练次数：5221，Loss：1.4109216928482056\n",
      "训练次数：5222，Loss：1.5647073984146118\n",
      "训练次数：5223，Loss：1.3547245264053345\n",
      "训练次数：5224，Loss：1.4603813886642456\n",
      "训练次数：5225，Loss：1.243831992149353\n",
      "训练次数：5226，Loss：1.1408321857452393\n",
      "训练次数：5227，Loss：1.2905805110931396\n",
      "训练次数：5228，Loss：1.1183967590332031\n",
      "训练次数：5229，Loss：1.4002430438995361\n",
      "训练次数：5230，Loss：1.4080125093460083\n",
      "训练次数：5231，Loss：1.4046192169189453\n",
      "训练次数：5232，Loss：1.3044817447662354\n",
      "训练次数：5233，Loss：1.3290996551513672\n",
      "训练次数：5234，Loss：1.362205982208252\n",
      "训练次数：5235，Loss：1.32320237159729\n",
      "训练次数：5236，Loss：1.2760237455368042\n",
      "训练次数：5237，Loss：1.271068811416626\n",
      "训练次数：5238，Loss：1.2857245206832886\n",
      "训练次数：5239，Loss：1.39577054977417\n",
      "训练次数：5240，Loss：1.3192729949951172\n",
      "训练次数：5241，Loss：1.2346298694610596\n",
      "训练次数：5242，Loss：1.4841712713241577\n",
      "训练次数：5243，Loss：1.3171005249023438\n",
      "训练次数：5244，Loss：1.653161644935608\n",
      "训练次数：5245，Loss：1.275133490562439\n",
      "训练次数：5246，Loss：1.4459401369094849\n",
      "训练次数：5247，Loss：1.1515288352966309\n",
      "训练次数：5248，Loss：1.2301808595657349\n",
      "训练次数：5249，Loss：1.4799050092697144\n",
      "训练次数：5250，Loss：1.4141112565994263\n",
      "训练次数：5251，Loss：1.2621427774429321\n",
      "训练次数：5252，Loss：1.4040319919586182\n",
      "训练次数：5253，Loss：1.3246225118637085\n",
      "训练次数：5254，Loss：1.3603315353393555\n",
      "训练次数：5255，Loss：1.4671058654785156\n",
      "训练次数：5256，Loss：1.2308696508407593\n",
      "训练次数：5257，Loss：1.3572988510131836\n",
      "训练次数：5258，Loss：1.4806556701660156\n",
      "训练次数：5259，Loss：1.1978118419647217\n",
      "训练次数：5260，Loss：1.3337171077728271\n",
      "训练次数：5261，Loss：1.3436782360076904\n",
      "训练次数：5262，Loss：1.1826233863830566\n",
      "训练次数：5263，Loss：1.2827879190444946\n",
      "训练次数：5264，Loss：1.305002212524414\n",
      "训练次数：5265，Loss：1.24505615234375\n",
      "训练次数：5266，Loss：1.4521681070327759\n",
      "训练次数：5267，Loss：1.2712218761444092\n",
      "训练次数：5268，Loss：1.2725590467453003\n",
      "训练次数：5269，Loss：1.4219883680343628\n",
      "训练次数：5270，Loss：1.8550463914871216\n",
      "训练次数：5271，Loss：1.188694953918457\n",
      "训练次数：5272，Loss：1.3063979148864746\n",
      "训练次数：5273，Loss：1.3399637937545776\n",
      "训练次数：5274，Loss：1.3735918998718262\n",
      "训练次数：5275，Loss：1.238372564315796\n",
      "训练次数：5276，Loss：1.4049893617630005\n",
      "训练次数：5277，Loss：1.340104103088379\n",
      "训练次数：5278，Loss：1.2896921634674072\n",
      "训练次数：5279，Loss：1.4033873081207275\n",
      "训练次数：5280，Loss：1.1741724014282227\n",
      "训练次数：5281，Loss：1.5165609121322632\n",
      "训练次数：5282，Loss：1.379768967628479\n",
      "训练次数：5283，Loss：1.432062029838562\n",
      "训练次数：5284，Loss：1.161063551902771\n",
      "训练次数：5285，Loss：1.4621341228485107\n",
      "训练次数：5286，Loss：1.4406867027282715\n",
      "训练次数：5287，Loss：1.3911705017089844\n",
      "训练次数：5288，Loss：1.5983641147613525\n",
      "训练次数：5289，Loss：1.3322807550430298\n",
      "训练次数：5290，Loss：1.3694303035736084\n",
      "训练次数：5291，Loss：1.4593182802200317\n",
      "训练次数：5292，Loss：1.3745640516281128\n",
      "训练次数：5293，Loss：1.4206616878509521\n",
      "训练次数：5294，Loss：1.1404061317443848\n",
      "训练次数：5295，Loss：1.0539017915725708\n",
      "训练次数：5296，Loss：1.514797329902649\n",
      "训练次数：5297，Loss：1.3796507120132446\n",
      "训练次数：5298，Loss：1.090368628501892\n",
      "训练次数：5299，Loss：0.9913630485534668\n",
      "训练次数：5300，Loss：1.2490664720535278\n",
      "训练次数：5301，Loss：1.247083306312561\n",
      "训练次数：5302，Loss：1.4368261098861694\n",
      "训练次数：5303，Loss：1.3120189905166626\n",
      "训练次数：5304，Loss：1.3843547105789185\n",
      "训练次数：5305，Loss：1.5113199949264526\n",
      "训练次数：5306，Loss：1.102144718170166\n",
      "训练次数：5307，Loss：1.3235805034637451\n",
      "训练次数：5308，Loss：1.3058182001113892\n",
      "训练次数：5309，Loss：1.2809176445007324\n",
      "训练次数：5310，Loss：1.273817539215088\n",
      "训练次数：5311，Loss：1.3816893100738525\n",
      "训练次数：5312，Loss：1.594256043434143\n",
      "训练次数：5313，Loss：1.3468865156173706\n",
      "训练次数：5314，Loss：1.4434964656829834\n",
      "训练次数：5315，Loss：1.2523027658462524\n",
      "训练次数：5316，Loss：1.1607342958450317\n",
      "训练次数：5317，Loss：1.245192527770996\n",
      "训练次数：5318，Loss：1.1539413928985596\n",
      "训练次数：5319，Loss：1.1982697248458862\n",
      "训练次数：5320，Loss：1.5918899774551392\n",
      "训练次数：5321，Loss：1.492133617401123\n",
      "训练次数：5322，Loss：1.1706284284591675\n",
      "训练次数：5323，Loss：1.2611652612686157\n",
      "训练次数：5324，Loss：1.44736909866333\n",
      "训练次数：5325，Loss：1.395355224609375\n",
      "训练次数：5326，Loss：1.0830572843551636\n",
      "训练次数：5327，Loss：1.3617273569107056\n",
      "训练次数：5328，Loss：1.1150703430175781\n",
      "训练次数：5329，Loss：1.274413824081421\n",
      "训练次数：5330，Loss：1.3793182373046875\n",
      "训练次数：5331，Loss：1.4055697917938232\n",
      "训练次数：5332，Loss：1.4831231832504272\n",
      "训练次数：5333，Loss：1.3728041648864746\n",
      "训练次数：5334，Loss：1.4724444150924683\n",
      "训练次数：5335，Loss：1.3857115507125854\n",
      "训练次数：5336，Loss：1.2041609287261963\n",
      "训练次数：5337，Loss：1.2643494606018066\n",
      "训练次数：5338，Loss：1.5417485237121582\n",
      "训练次数：5339，Loss：1.3303229808807373\n",
      "训练次数：5340，Loss：1.2304030656814575\n",
      "训练次数：5341，Loss：1.3615870475769043\n",
      "训练次数：5342，Loss：1.6159915924072266\n",
      "训练次数：5343，Loss：1.2380527257919312\n",
      "训练次数：5344，Loss：1.3824368715286255\n",
      "训练次数：5345，Loss：1.0956968069076538\n",
      "训练次数：5346，Loss：1.1627198457717896\n",
      "训练次数：5347，Loss：1.4063081741333008\n",
      "训练次数：5348，Loss：1.3676291704177856\n",
      "训练次数：5349，Loss：1.3552477359771729\n",
      "训练次数：5350，Loss：1.2142343521118164\n",
      "训练次数：5351，Loss：1.6209869384765625\n",
      "训练次数：5352，Loss：1.2633830308914185\n",
      "训练次数：5353，Loss：1.2322663068771362\n",
      "训练次数：5354，Loss：1.0819053649902344\n",
      "训练次数：5355，Loss：1.1176280975341797\n",
      "训练次数：5356，Loss：1.290466547012329\n",
      "训练次数：5357，Loss：1.6294056177139282\n",
      "训练次数：5358，Loss：1.6240941286087036\n",
      "训练次数：5359，Loss：1.1586021184921265\n",
      "训练次数：5360，Loss：1.5020718574523926\n",
      "训练次数：5361，Loss：1.2768080234527588\n",
      "训练次数：5362，Loss：1.2887629270553589\n",
      "训练次数：5363，Loss：1.4081101417541504\n",
      "训练次数：5364，Loss：1.2015845775604248\n",
      "训练次数：5365，Loss：1.3201688528060913\n",
      "训练次数：5366，Loss：1.2607975006103516\n",
      "训练次数：5367，Loss：1.318232774734497\n",
      "训练次数：5368，Loss：1.5494149923324585\n",
      "训练次数：5369，Loss：1.522100567817688\n",
      "训练次数：5370，Loss：1.174603819847107\n",
      "训练次数：5371，Loss：1.4010388851165771\n",
      "训练次数：5372，Loss：1.4393969774246216\n",
      "训练次数：5373，Loss：1.426137089729309\n",
      "训练次数：5374，Loss：1.07575261592865\n",
      "训练次数：5375，Loss：1.136110782623291\n",
      "训练次数：5376，Loss：1.2990758419036865\n",
      "训练次数：5377，Loss：1.386518955230713\n",
      "训练次数：5378，Loss：1.700200080871582\n",
      "训练次数：5379，Loss：1.3103203773498535\n",
      "训练次数：5380，Loss：1.1986379623413086\n",
      "训练次数：5381，Loss：1.341408371925354\n",
      "训练次数：5382，Loss：1.3568614721298218\n",
      "训练次数：5383，Loss：1.3768830299377441\n",
      "训练次数：5384，Loss：1.422648549079895\n",
      "训练次数：5385，Loss：1.6083221435546875\n",
      "训练次数：5386，Loss：1.447432518005371\n",
      "训练次数：5387，Loss：1.3977559804916382\n",
      "训练次数：5388，Loss：1.314793586730957\n",
      "训练次数：5389，Loss：1.3666276931762695\n",
      "训练次数：5390，Loss：1.2906157970428467\n",
      "训练次数：5391，Loss：1.138566255569458\n",
      "训练次数：5392，Loss：1.5015645027160645\n",
      "训练次数：5393，Loss：1.4192113876342773\n",
      "训练次数：5394，Loss：1.3555911779403687\n",
      "训练次数：5395，Loss：1.3157572746276855\n",
      "训练次数：5396，Loss：1.0939873456954956\n",
      "训练次数：5397，Loss：1.3957421779632568\n",
      "训练次数：5398，Loss：1.3026072978973389\n",
      "训练次数：5399，Loss：1.5622614622116089\n",
      "训练次数：5400，Loss：1.4084205627441406\n",
      "训练次数：5401，Loss：1.121065378189087\n",
      "训练次数：5402，Loss：1.0255687236785889\n",
      "训练次数：5403，Loss：1.3641443252563477\n",
      "训练次数：5404，Loss：1.128856897354126\n",
      "训练次数：5405，Loss：1.3108004331588745\n",
      "训练次数：5406，Loss：1.3553022146224976\n",
      "训练次数：5407，Loss：1.2836722135543823\n",
      "训练次数：5408，Loss：1.303820013999939\n",
      "训练次数：5409，Loss：1.1732780933380127\n",
      "训练次数：5410，Loss：1.2096515893936157\n",
      "训练次数：5411，Loss：1.278967022895813\n",
      "训练次数：5412，Loss：1.38730788230896\n",
      "训练次数：5413，Loss：1.257834553718567\n",
      "训练次数：5414，Loss：1.3230174779891968\n",
      "训练次数：5415，Loss：1.140496015548706\n",
      "训练次数：5416，Loss：1.514732837677002\n",
      "训练次数：5417，Loss：1.3512210845947266\n",
      "训练次数：5418，Loss：1.1860153675079346\n",
      "训练次数：5419，Loss：1.4990824460983276\n",
      "训练次数：5420，Loss：1.5575170516967773\n",
      "训练次数：5421，Loss：1.268153190612793\n",
      "训练次数：5422，Loss：1.270533561706543\n",
      "训练次数：5423，Loss：1.1153135299682617\n",
      "训练次数：5424，Loss：1.1978089809417725\n",
      "训练次数：5425，Loss：1.2839900255203247\n",
      "训练次数：5426，Loss：1.2316838502883911\n",
      "训练次数：5427，Loss：1.2882647514343262\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：5428，Loss：1.36829674243927\n",
      "训练次数：5429，Loss：1.1079316139221191\n",
      "训练次数：5430，Loss：1.312503457069397\n",
      "训练次数：5431，Loss：1.182085394859314\n",
      "训练次数：5432，Loss：1.0705764293670654\n",
      "训练次数：5433，Loss：1.4165713787078857\n",
      "训练次数：5434，Loss：1.329251766204834\n",
      "训练次数：5435，Loss：1.6107460260391235\n",
      "训练次数：5436，Loss：1.161629319190979\n",
      "训练次数：5437，Loss：1.1580361127853394\n",
      "训练次数：5438，Loss：1.3303816318511963\n",
      "训练次数：5439，Loss：1.1717289686203003\n",
      "训练次数：5440，Loss：1.4700039625167847\n",
      "训练次数：5441，Loss：1.4200307130813599\n",
      "训练次数：5442，Loss：1.151816725730896\n",
      "训练次数：5443，Loss：1.6865612268447876\n",
      "训练次数：5444，Loss：1.3234598636627197\n",
      "训练次数：5445，Loss：1.2806053161621094\n",
      "训练次数：5446，Loss：1.3393758535385132\n",
      "训练次数：5447，Loss：1.3084759712219238\n",
      "训练次数：5448，Loss：1.2958619594573975\n",
      "训练次数：5449，Loss：1.3108845949172974\n",
      "训练次数：5450，Loss：1.3323060274124146\n",
      "训练次数：5451，Loss：1.497915267944336\n",
      "训练次数：5452，Loss：1.213322639465332\n",
      "训练次数：5453，Loss：1.294950008392334\n",
      "训练次数：5454，Loss：1.431607723236084\n",
      "训练次数：5455，Loss：1.2375596761703491\n",
      "训练次数：5456，Loss：1.319274663925171\n",
      "训练次数：5457，Loss：1.1666592359542847\n",
      "训练次数：5458，Loss：1.4421541690826416\n",
      "训练次数：5459，Loss：1.1774179935455322\n",
      "训练次数：5460，Loss：1.4274967908859253\n",
      "训练次数：5461，Loss：1.0366259813308716\n",
      "训练次数：5462，Loss：1.2033101320266724\n",
      "训练次数：5463，Loss：1.386875867843628\n",
      "训练次数：5464，Loss：1.3707512617111206\n",
      "训练次数：5465，Loss：1.3660662174224854\n",
      "训练次数：5466，Loss：1.1195003986358643\n",
      "训练次数：5467，Loss：1.2480602264404297\n",
      "训练次数：5468，Loss：1.1425855159759521\n",
      "训练次数：5469，Loss：1.43101167678833\n",
      "训练次数：5470，Loss：1.2511683702468872\n",
      "训练次数：5471，Loss：1.2069371938705444\n",
      "训练次数：5472，Loss：1.2312521934509277\n",
      "训练次数：5473，Loss：1.415238380432129\n",
      "训练次数：5474，Loss：1.9278712272644043\n",
      "-----第 8 轮训练开始-----\n",
      "训练次数：5475，Loss：1.3937904834747314\n",
      "训练次数：5476，Loss：1.2605940103530884\n",
      "训练次数：5477，Loss：1.49344801902771\n",
      "训练次数：5478，Loss：1.084570288658142\n",
      "训练次数：5479，Loss：1.3078140020370483\n",
      "训练次数：5480，Loss：1.280035138130188\n",
      "训练次数：5481，Loss：1.3207907676696777\n",
      "训练次数：5482，Loss：1.3194259405136108\n",
      "训练次数：5483，Loss：1.1943919658660889\n",
      "训练次数：5484，Loss：1.5281425714492798\n",
      "训练次数：5485，Loss：1.3904540538787842\n",
      "训练次数：5486，Loss：1.4394466876983643\n",
      "训练次数：5487，Loss：1.3847298622131348\n",
      "训练次数：5488，Loss：1.5144221782684326\n",
      "训练次数：5489，Loss：1.2844834327697754\n",
      "训练次数：5490，Loss：1.0872803926467896\n",
      "训练次数：5491，Loss：1.2703216075897217\n",
      "训练次数：5492，Loss：1.157101035118103\n",
      "训练次数：5493，Loss：1.3023781776428223\n",
      "训练次数：5494，Loss：1.2019373178482056\n",
      "训练次数：5495，Loss：1.522684931755066\n",
      "训练次数：5496，Loss：1.20213782787323\n",
      "训练次数：5497，Loss：1.2986139059066772\n",
      "训练次数：5498，Loss：1.3625285625457764\n",
      "训练次数：5499，Loss：1.3235032558441162\n",
      "训练次数：5500，Loss：1.217799186706543\n",
      "训练次数：5501，Loss：1.3127762079238892\n",
      "训练次数：5502，Loss：1.2140891551971436\n",
      "训练次数：5503，Loss：1.0790441036224365\n",
      "训练次数：5504，Loss：1.106904149055481\n",
      "训练次数：5505，Loss：1.459348440170288\n",
      "训练次数：5506，Loss：1.4231027364730835\n",
      "训练次数：5507，Loss：1.1928622722625732\n",
      "训练次数：5508，Loss：1.1473947763442993\n",
      "训练次数：5509，Loss：1.31877863407135\n",
      "训练次数：5510，Loss：1.203172206878662\n",
      "训练次数：5511，Loss：1.296722650527954\n",
      "训练次数：5512，Loss：1.3791556358337402\n",
      "训练次数：5513，Loss：1.227657675743103\n",
      "训练次数：5514，Loss：1.5951045751571655\n",
      "训练次数：5515，Loss：1.3784937858581543\n",
      "训练次数：5516，Loss：1.0555676221847534\n",
      "训练次数：5517，Loss：1.4817343950271606\n",
      "训练次数：5518，Loss：1.5264068841934204\n",
      "训练次数：5519，Loss：1.1457761526107788\n",
      "训练次数：5520，Loss：1.2267568111419678\n",
      "训练次数：5521，Loss：1.3708395957946777\n",
      "训练次数：5522，Loss：1.5581271648406982\n",
      "训练次数：5523，Loss：1.2930084466934204\n",
      "训练次数：5524，Loss：1.4675085544586182\n",
      "训练次数：5525，Loss：1.2487636804580688\n",
      "训练次数：5526，Loss：1.4285541772842407\n",
      "训练次数：5527，Loss：1.3236628770828247\n",
      "训练次数：5528，Loss：1.3849607706069946\n",
      "训练次数：5529，Loss：1.1764092445373535\n",
      "训练次数：5530，Loss：1.2127150297164917\n",
      "训练次数：5531，Loss：1.3078680038452148\n",
      "训练次数：5532，Loss：1.1716256141662598\n",
      "训练次数：5533，Loss：1.0948553085327148\n",
      "训练次数：5534，Loss：1.1727849245071411\n",
      "训练次数：5535，Loss：1.2701551914215088\n",
      "训练次数：5536，Loss：1.4061610698699951\n",
      "训练次数：5537，Loss：1.3614706993103027\n",
      "训练次数：5538，Loss：1.3393747806549072\n",
      "训练次数：5539，Loss：1.3902422189712524\n",
      "训练次数：5540，Loss：1.3078800439834595\n",
      "训练次数：5541，Loss：1.2504667043685913\n",
      "训练次数：5542，Loss：1.3715283870697021\n",
      "训练次数：5543，Loss：1.0788013935089111\n",
      "训练次数：5544，Loss：1.16672945022583\n",
      "训练次数：5545，Loss：1.4848791360855103\n",
      "训练次数：5546，Loss：1.1635363101959229\n",
      "训练次数：5547，Loss：1.2632228136062622\n",
      "训练次数：5548，Loss：1.24131178855896\n",
      "训练次数：5549，Loss：1.4103158712387085\n",
      "训练次数：5550，Loss：1.4431774616241455\n",
      "训练次数：5551，Loss：1.3558515310287476\n",
      "训练次数：5552，Loss：1.4931981563568115\n",
      "训练次数：5553，Loss：1.2120712995529175\n",
      "训练次数：5554，Loss：1.5710067749023438\n",
      "训练次数：5555，Loss：1.5377627611160278\n",
      "训练次数：5556，Loss：1.1978679895401\n",
      "训练次数：5557，Loss：1.4742090702056885\n",
      "训练次数：5558，Loss：1.2433260679244995\n",
      "训练次数：5559，Loss：1.4249026775360107\n",
      "训练次数：5560，Loss：1.3119741678237915\n",
      "训练次数：5561，Loss：1.242478609085083\n",
      "训练次数：5562，Loss：1.0551445484161377\n",
      "训练次数：5563，Loss：1.3172025680541992\n",
      "训练次数：5564，Loss：1.29612398147583\n",
      "训练次数：5565，Loss：1.3333486318588257\n",
      "训练次数：5566，Loss：1.3848474025726318\n",
      "训练次数：5567，Loss：1.081221342086792\n",
      "训练次数：5568，Loss：1.2506585121154785\n",
      "训练次数：5569，Loss：1.276519536972046\n",
      "训练次数：5570，Loss：1.5462391376495361\n",
      "训练次数：5571，Loss：1.0909075736999512\n",
      "训练次数：5572，Loss：1.4310144186019897\n",
      "训练次数：5573，Loss：1.1000890731811523\n",
      "训练次数：5574，Loss：1.1709203720092773\n",
      "训练次数：5575，Loss：1.3265413045883179\n",
      "训练次数：5576，Loss：1.208863377571106\n",
      "训练次数：5577，Loss：1.3141610622406006\n",
      "训练次数：5578，Loss：1.4585697650909424\n",
      "训练次数：5579，Loss：1.4105280637741089\n",
      "训练次数：5580，Loss：1.1628764867782593\n",
      "训练次数：5581，Loss：1.2229703664779663\n",
      "训练次数：5582，Loss：1.5170314311981201\n",
      "训练次数：5583，Loss：1.2199735641479492\n",
      "训练次数：5584，Loss：1.1491984128952026\n",
      "训练次数：5585，Loss：1.3687665462493896\n",
      "训练次数：5586，Loss：1.2497336864471436\n",
      "训练次数：5587，Loss：1.252791166305542\n",
      "训练次数：5588，Loss：1.0509545803070068\n",
      "训练次数：5589，Loss：1.2086855173110962\n",
      "训练次数：5590，Loss：1.47914719581604\n",
      "训练次数：5591，Loss：1.2426562309265137\n",
      "训练次数：5592，Loss：1.2618322372436523\n",
      "训练次数：5593，Loss：1.4332802295684814\n",
      "训练次数：5594，Loss：1.3196895122528076\n",
      "训练次数：5595，Loss：1.318882942199707\n",
      "训练次数：5596，Loss：1.3454681634902954\n",
      "训练次数：5597，Loss：1.2278590202331543\n",
      "训练次数：5598，Loss：1.3067361116409302\n",
      "训练次数：5599，Loss：1.3996577262878418\n",
      "训练次数：5600，Loss：1.1925361156463623\n",
      "训练次数：5601，Loss：1.337499737739563\n",
      "训练次数：5602，Loss：1.1566251516342163\n",
      "训练次数：5603，Loss：1.3312093019485474\n",
      "训练次数：5604，Loss：1.1696536540985107\n",
      "训练次数：5605，Loss：1.2753143310546875\n",
      "训练次数：5606，Loss：1.1600756645202637\n",
      "训练次数：5607，Loss：1.5161634683609009\n",
      "训练次数：5608，Loss：1.0608835220336914\n",
      "训练次数：5609，Loss：1.27584707736969\n",
      "训练次数：5610，Loss：1.2721515893936157\n",
      "训练次数：5611，Loss：1.458060622215271\n",
      "训练次数：5612，Loss：1.4576045274734497\n",
      "训练次数：5613，Loss：1.0792993307113647\n",
      "训练次数：5614，Loss：1.4893138408660889\n",
      "训练次数：5615，Loss：1.594080924987793\n",
      "训练次数：5616，Loss：1.3969311714172363\n",
      "训练次数：5617，Loss：1.1801328659057617\n",
      "训练次数：5618，Loss：1.2355754375457764\n",
      "训练次数：5619，Loss：1.0918821096420288\n",
      "训练次数：5620，Loss：1.2826523780822754\n",
      "训练次数：5621，Loss：1.2325453758239746\n",
      "训练次数：5622，Loss：1.3686259984970093\n",
      "训练次数：5623，Loss：1.1346254348754883\n",
      "训练次数：5624，Loss：1.2158466577529907\n",
      "训练次数：5625，Loss：1.2785826921463013\n",
      "训练次数：5626，Loss：1.3346539735794067\n",
      "训练次数：5627，Loss：1.2935469150543213\n",
      "训练次数：5628，Loss：1.1324948072433472\n",
      "训练次数：5629，Loss：1.2900227308273315\n",
      "训练次数：5630，Loss：1.361832857131958\n",
      "训练次数：5631，Loss：1.2923591136932373\n",
      "训练次数：5632，Loss：1.1368157863616943\n",
      "训练次数：5633，Loss：1.4353358745574951\n",
      "训练次数：5634，Loss：1.5474873781204224\n",
      "训练次数：5635，Loss：1.306562066078186\n",
      "训练次数：5636，Loss：1.1248903274536133\n",
      "训练次数：5637，Loss：1.5272736549377441\n",
      "训练次数：5638，Loss：1.5490764379501343\n",
      "训练次数：5639，Loss：1.3398189544677734\n",
      "训练次数：5640，Loss：1.5960643291473389\n",
      "训练次数：5641，Loss：1.2277878522872925\n",
      "训练次数：5642，Loss：1.2814795970916748\n",
      "训练次数：5643，Loss：1.2042820453643799\n",
      "训练次数：5644，Loss：1.2388302087783813\n",
      "训练次数：5645，Loss：1.4498155117034912\n",
      "训练次数：5646，Loss：1.2353416681289673\n",
      "训练次数：5647，Loss：1.299472689628601\n",
      "训练次数：5648，Loss：1.6880724430084229\n",
      "训练次数：5649，Loss：1.1264222860336304\n",
      "训练次数：5650，Loss：1.3354250192642212\n",
      "训练次数：5651，Loss：1.2259306907653809\n",
      "训练次数：5652，Loss：1.3422980308532715\n",
      "训练次数：5653，Loss：1.3868451118469238\n",
      "训练次数：5654，Loss：1.360201120376587\n",
      "训练次数：5655，Loss：1.116994023323059\n",
      "训练次数：5656，Loss：1.2165027856826782\n",
      "训练次数：5657，Loss：1.2436250448226929\n",
      "训练次数：5658，Loss：1.3143454790115356\n",
      "训练次数：5659，Loss：1.5698505640029907\n",
      "训练次数：5660，Loss：1.350602626800537\n",
      "训练次数：5661，Loss：1.3339143991470337\n",
      "训练次数：5662，Loss：1.2434349060058594\n",
      "训练次数：5663，Loss：1.363373875617981\n",
      "训练次数：5664，Loss：1.341652750968933\n",
      "训练次数：5665，Loss：1.0909218788146973\n",
      "训练次数：5666，Loss：1.3507972955703735\n",
      "训练次数：5667，Loss：1.5715694427490234\n",
      "训练次数：5668，Loss：1.2167348861694336\n",
      "训练次数：5669，Loss：1.2625541687011719\n",
      "训练次数：5670，Loss：1.37240469455719\n",
      "训练次数：5671，Loss：1.3031980991363525\n",
      "训练次数：5672，Loss：1.5256351232528687\n",
      "训练次数：5673，Loss：1.418253779411316\n",
      "训练次数：5674，Loss：1.2565083503723145\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：5675，Loss：1.1041840314865112\n",
      "训练次数：5676，Loss：1.476261854171753\n",
      "训练次数：5677，Loss：1.3283822536468506\n",
      "训练次数：5678，Loss：1.3307867050170898\n",
      "训练次数：5679，Loss：1.338413119316101\n",
      "训练次数：5680，Loss：1.4212512969970703\n",
      "训练次数：5681，Loss：1.2489126920700073\n",
      "训练次数：5682，Loss：1.3314565420150757\n",
      "训练次数：5683，Loss：1.1899566650390625\n",
      "训练次数：5684，Loss：1.6067436933517456\n",
      "训练次数：5685，Loss：1.0867944955825806\n",
      "训练次数：5686，Loss：1.1983182430267334\n",
      "训练次数：5687，Loss：1.1666494607925415\n",
      "训练次数：5688，Loss：1.3366830348968506\n",
      "训练次数：5689，Loss：1.494348168373108\n",
      "训练次数：5690，Loss：1.3926033973693848\n",
      "训练次数：5691，Loss：1.1976677179336548\n",
      "训练次数：5692，Loss：1.2357501983642578\n",
      "训练次数：5693，Loss：1.205758810043335\n",
      "训练次数：5694，Loss：1.3009947538375854\n",
      "训练次数：5695，Loss：1.2765432596206665\n",
      "训练次数：5696，Loss：1.4299038648605347\n",
      "训练次数：5697，Loss：1.3285876512527466\n",
      "训练次数：5698，Loss：1.4509408473968506\n",
      "训练次数：5699，Loss：1.379439353942871\n",
      "训练次数：5700，Loss：1.1928319931030273\n",
      "训练次数：5701，Loss：1.2943708896636963\n",
      "训练次数：5702，Loss：1.113689661026001\n",
      "训练次数：5703，Loss：1.2710022926330566\n",
      "训练次数：5704，Loss：1.4871851205825806\n",
      "训练次数：5705，Loss：1.2394883632659912\n",
      "训练次数：5706，Loss：1.374902367591858\n",
      "训练次数：5707，Loss：1.2977163791656494\n",
      "训练次数：5708，Loss：1.4662846326828003\n",
      "训练次数：5709，Loss：1.3385707139968872\n",
      "训练次数：5710，Loss：1.3836238384246826\n",
      "训练次数：5711，Loss：1.4438917636871338\n",
      "训练次数：5712，Loss：1.3292324542999268\n",
      "训练次数：5713，Loss：1.2017924785614014\n",
      "训练次数：5714，Loss：1.2008682489395142\n",
      "训练次数：5715，Loss：1.372313141822815\n",
      "训练次数：5716，Loss：1.3157246112823486\n",
      "训练次数：5717，Loss：1.198478102684021\n",
      "训练次数：5718，Loss：1.6027264595031738\n",
      "训练次数：5719，Loss：1.2415599822998047\n",
      "训练次数：5720，Loss：1.4672483205795288\n",
      "训练次数：5721，Loss：1.2171149253845215\n",
      "训练次数：5722，Loss：1.3534706830978394\n",
      "训练次数：5723，Loss：1.4561713933944702\n",
      "训练次数：5724，Loss：1.5798261165618896\n",
      "训练次数：5725，Loss：1.3276430368423462\n",
      "训练次数：5726，Loss：1.3582478761672974\n",
      "训练次数：5727，Loss：1.348984718322754\n",
      "训练次数：5728，Loss：1.2898377180099487\n",
      "训练次数：5729，Loss：1.3159562349319458\n",
      "训练次数：5730，Loss：1.1691179275512695\n",
      "训练次数：5731，Loss：1.31804358959198\n",
      "训练次数：5732，Loss：1.0936555862426758\n",
      "训练次数：5733，Loss：1.4299501180648804\n",
      "训练次数：5734，Loss：1.3353692293167114\n",
      "训练次数：5735，Loss：1.2413407564163208\n",
      "训练次数：5736，Loss：1.261375904083252\n",
      "训练次数：5737，Loss：1.2882672548294067\n",
      "训练次数：5738，Loss：1.4732722043991089\n",
      "训练次数：5739，Loss：1.0795449018478394\n",
      "训练次数：5740，Loss：1.1676105260849\n",
      "训练次数：5741，Loss：1.231154203414917\n",
      "训练次数：5742，Loss：1.278247594833374\n",
      "训练次数：5743，Loss：1.1077595949172974\n",
      "训练次数：5744，Loss：1.35821533203125\n",
      "训练次数：5745，Loss：1.324078917503357\n",
      "训练次数：5746，Loss：1.176698923110962\n",
      "训练次数：5747，Loss：1.2434676885604858\n",
      "训练次数：5748，Loss：1.2630832195281982\n",
      "训练次数：5749，Loss：1.185500979423523\n",
      "训练次数：5750，Loss：1.1327961683273315\n",
      "训练次数：5751，Loss：1.5957242250442505\n",
      "训练次数：5752，Loss：1.3689169883728027\n",
      "训练次数：5753，Loss：1.3954097032546997\n",
      "训练次数：5754，Loss：1.112772822380066\n",
      "训练次数：5755，Loss：1.2017687559127808\n",
      "训练次数：5756，Loss：1.361815333366394\n",
      "训练次数：5757，Loss：1.1079198122024536\n",
      "训练次数：5758，Loss：1.4511367082595825\n",
      "训练次数：5759，Loss：1.2650679349899292\n",
      "训练次数：5760，Loss：1.2861323356628418\n",
      "训练次数：5761，Loss：1.2282027006149292\n",
      "训练次数：5762，Loss：1.3168350458145142\n",
      "训练次数：5763，Loss：1.4773691892623901\n",
      "训练次数：5764，Loss：1.4407520294189453\n",
      "训练次数：5765，Loss：1.3052531480789185\n",
      "训练次数：5766，Loss：1.3609381914138794\n",
      "训练次数：5767，Loss：1.216672658920288\n",
      "训练次数：5768，Loss：1.173526644706726\n",
      "训练次数：5769，Loss：1.1715219020843506\n",
      "训练次数：5770，Loss：1.194805383682251\n",
      "训练次数：5771，Loss：1.4208937883377075\n",
      "训练次数：5772，Loss：1.2684674263000488\n",
      "训练次数：5773，Loss：1.2297639846801758\n",
      "训练次数：5774，Loss：1.3928232192993164\n",
      "训练次数：5775，Loss：1.220612645149231\n",
      "训练次数：5776，Loss：1.186147689819336\n",
      "训练次数：5777，Loss：1.2700177431106567\n",
      "训练次数：5778，Loss：1.1487445831298828\n",
      "训练次数：5779，Loss：1.1587926149368286\n",
      "训练次数：5780，Loss：1.6011301279067993\n",
      "训练次数：5781，Loss：1.315476417541504\n",
      "训练次数：5782，Loss：1.3559863567352295\n",
      "训练次数：5783，Loss：1.4900985956192017\n",
      "训练次数：5784，Loss：1.1837903261184692\n",
      "训练次数：5785，Loss：1.2225209474563599\n",
      "训练次数：5786，Loss：1.311761736869812\n",
      "训练次数：5787，Loss：1.3818933963775635\n",
      "训练次数：5788，Loss：1.3411580324172974\n",
      "训练次数：5789，Loss：1.225827932357788\n",
      "训练次数：5790，Loss：1.3751283884048462\n",
      "训练次数：5791，Loss：1.4193739891052246\n",
      "训练次数：5792，Loss：1.4168058633804321\n",
      "训练次数：5793，Loss：1.1926155090332031\n",
      "训练次数：5794，Loss：1.3015637397766113\n",
      "训练次数：5795，Loss：1.3957449197769165\n",
      "训练次数：5796，Loss：1.3932656049728394\n",
      "训练次数：5797，Loss：1.3178496360778809\n",
      "训练次数：5798，Loss：1.3904060125350952\n",
      "训练次数：5799，Loss：1.2502996921539307\n",
      "训练次数：5800，Loss：1.2383406162261963\n",
      "训练次数：5801，Loss：1.142957091331482\n",
      "训练次数：5802，Loss：1.229108214378357\n",
      "训练次数：5803，Loss：1.2316534519195557\n",
      "训练次数：5804，Loss：1.2564325332641602\n",
      "训练次数：5805，Loss：1.2078306674957275\n",
      "训练次数：5806，Loss：1.2706882953643799\n",
      "训练次数：5807，Loss：1.288927674293518\n",
      "训练次数：5808，Loss：1.2461110353469849\n",
      "训练次数：5809，Loss：1.3659509420394897\n",
      "训练次数：5810，Loss：1.4070756435394287\n",
      "训练次数：5811，Loss：1.3021496534347534\n",
      "训练次数：5812，Loss：1.0222752094268799\n",
      "训练次数：5813，Loss：1.2604708671569824\n",
      "训练次数：5814，Loss：1.2579073905944824\n",
      "训练次数：5815，Loss：1.5212115049362183\n",
      "训练次数：5816，Loss：1.3898470401763916\n",
      "训练次数：5817，Loss：1.1609615087509155\n",
      "训练次数：5818，Loss：1.2521661520004272\n",
      "训练次数：5819，Loss：1.3647260665893555\n",
      "训练次数：5820，Loss：1.140465259552002\n",
      "训练次数：5821，Loss：1.0962108373641968\n",
      "训练次数：5822，Loss：1.3110897541046143\n",
      "训练次数：5823，Loss：1.3580619096755981\n",
      "训练次数：5824，Loss：1.278273344039917\n",
      "训练次数：5825，Loss：1.3447102308273315\n",
      "训练次数：5826，Loss：1.4000799655914307\n",
      "训练次数：5827，Loss：1.1710665225982666\n",
      "训练次数：5828，Loss：1.4071357250213623\n",
      "训练次数：5829，Loss：1.2863467931747437\n",
      "训练次数：5830，Loss：1.2673916816711426\n",
      "训练次数：5831，Loss：1.2962002754211426\n",
      "训练次数：5832，Loss：1.3949230909347534\n",
      "训练次数：5833，Loss：1.1794224977493286\n",
      "训练次数：5834，Loss：1.4284613132476807\n",
      "训练次数：5835，Loss：1.2931535243988037\n",
      "训练次数：5836，Loss：0.9755812287330627\n",
      "训练次数：5837，Loss：1.3787388801574707\n",
      "训练次数：5838，Loss：1.237013578414917\n",
      "训练次数：5839，Loss：0.9632956981658936\n",
      "训练次数：5840，Loss：1.0767662525177002\n",
      "训练次数：5841，Loss：1.4634652137756348\n",
      "训练次数：5842，Loss：1.4136704206466675\n",
      "训练次数：5843，Loss：1.1384669542312622\n",
      "训练次数：5844，Loss：1.29341721534729\n",
      "训练次数：5845，Loss：0.9803035259246826\n",
      "训练次数：5846，Loss：1.3081659078598022\n",
      "训练次数：5847，Loss：1.1134175062179565\n",
      "训练次数：5848，Loss：1.2157405614852905\n",
      "训练次数：5849，Loss：1.4447070360183716\n",
      "训练次数：5850，Loss：1.2223870754241943\n",
      "训练次数：5851，Loss：1.1839901208877563\n",
      "训练次数：5852，Loss：1.2322626113891602\n",
      "训练次数：5853，Loss：1.1780887842178345\n",
      "训练次数：5854，Loss：1.4875736236572266\n",
      "训练次数：5855，Loss：1.410042643547058\n",
      "训练次数：5856，Loss：1.2456859350204468\n",
      "训练次数：5857，Loss：1.1970634460449219\n",
      "训练次数：5858，Loss：1.2309938669204712\n",
      "训练次数：5859，Loss：1.1830397844314575\n",
      "训练次数：5860，Loss：1.221986174583435\n",
      "训练次数：5861，Loss：1.2128784656524658\n",
      "训练次数：5862，Loss：1.4565945863723755\n",
      "训练次数：5863，Loss：1.3348363637924194\n",
      "训练次数：5864，Loss：1.1238514184951782\n",
      "训练次数：5865，Loss：1.1598546504974365\n",
      "训练次数：5866，Loss：1.028659462928772\n",
      "训练次数：5867，Loss：1.2927426099777222\n",
      "训练次数：5868，Loss：1.4598478078842163\n",
      "训练次数：5869，Loss：1.3915505409240723\n",
      "训练次数：5870，Loss：1.2416391372680664\n",
      "训练次数：5871，Loss：1.3121368885040283\n",
      "训练次数：5872，Loss：1.4808197021484375\n",
      "训练次数：5873，Loss：1.1960426568984985\n",
      "训练次数：5874，Loss：1.1981141567230225\n",
      "训练次数：5875，Loss：1.1948961019515991\n",
      "训练次数：5876，Loss：1.4153629541397095\n",
      "训练次数：5877，Loss：1.3657913208007812\n",
      "训练次数：5878，Loss：1.0634477138519287\n",
      "训练次数：5879，Loss：1.3226813077926636\n",
      "训练次数：5880，Loss：1.14398193359375\n",
      "训练次数：5881，Loss：1.2385833263397217\n",
      "训练次数：5882，Loss：1.019004464149475\n",
      "训练次数：5883，Loss：1.2134828567504883\n",
      "训练次数：5884，Loss：1.0170198678970337\n",
      "训练次数：5885，Loss：1.5235748291015625\n",
      "训练次数：5886，Loss：1.2291384935379028\n",
      "训练次数：5887，Loss：1.3770194053649902\n",
      "训练次数：5888，Loss：1.2869538068771362\n",
      "训练次数：5889，Loss：1.3014830350875854\n",
      "训练次数：5890，Loss：1.2193431854248047\n",
      "训练次数：5891，Loss：1.4434971809387207\n",
      "训练次数：5892，Loss：1.193764090538025\n",
      "训练次数：5893，Loss：1.373744249343872\n",
      "训练次数：5894，Loss：1.3835684061050415\n",
      "训练次数：5895，Loss：1.3611152172088623\n",
      "训练次数：5896，Loss：1.2779260873794556\n",
      "训练次数：5897，Loss：1.3771426677703857\n",
      "训练次数：5898，Loss：1.1647685766220093\n",
      "训练次数：5899，Loss：1.289070725440979\n",
      "训练次数：5900，Loss：1.3863160610198975\n",
      "训练次数：5901，Loss：1.2432767152786255\n",
      "训练次数：5902，Loss：1.1384023427963257\n",
      "训练次数：5903，Loss：1.3342273235321045\n",
      "训练次数：5904，Loss：1.168169379234314\n",
      "训练次数：5905，Loss：1.321789026260376\n",
      "训练次数：5906，Loss：1.163179874420166\n",
      "训练次数：5907，Loss：1.344399094581604\n",
      "训练次数：5908，Loss：1.226729154586792\n",
      "训练次数：5909，Loss：1.2965290546417236\n",
      "训练次数：5910，Loss：1.5819883346557617\n",
      "训练次数：5911，Loss：1.3241651058197021\n",
      "训练次数：5912，Loss：1.273470401763916\n",
      "训练次数：5913，Loss：1.1976773738861084\n",
      "训练次数：5914，Loss：1.270323395729065\n",
      "训练次数：5915，Loss：1.3002911806106567\n",
      "训练次数：5916，Loss：1.1102293729782104\n",
      "训练次数：5917，Loss：1.3408478498458862\n",
      "训练次数：5918，Loss：1.1205496788024902\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：5919，Loss：1.3947290182113647\n",
      "训练次数：5920，Loss：1.3314831256866455\n",
      "训练次数：5921，Loss：1.3643958568572998\n",
      "训练次数：5922，Loss：1.268357753753662\n",
      "训练次数：5923，Loss：1.2228906154632568\n",
      "训练次数：5924，Loss：1.4087908267974854\n",
      "训练次数：5925，Loss：1.1076260805130005\n",
      "训练次数：5926，Loss：1.0497969388961792\n",
      "训练次数：5927，Loss：1.1770352125167847\n",
      "训练次数：5928，Loss：1.2329390048980713\n",
      "训练次数：5929，Loss：1.2999439239501953\n",
      "训练次数：5930，Loss：1.4658219814300537\n",
      "训练次数：5931，Loss：1.466863989830017\n",
      "训练次数：5932，Loss：1.07598078250885\n",
      "训练次数：5933，Loss：1.0446436405181885\n",
      "训练次数：5934，Loss：1.1945017576217651\n",
      "训练次数：5935，Loss：1.322464108467102\n",
      "训练次数：5936，Loss：1.3098641633987427\n",
      "训练次数：5937，Loss：1.1001312732696533\n",
      "训练次数：5938，Loss：1.3623543977737427\n",
      "训练次数：5939，Loss：1.1612342596054077\n",
      "训练次数：5940，Loss：1.0698119401931763\n",
      "训练次数：5941，Loss：1.41945219039917\n",
      "训练次数：5942，Loss：1.2457020282745361\n",
      "训练次数：5943，Loss：1.0750895738601685\n",
      "训练次数：5944，Loss：1.3122345209121704\n",
      "训练次数：5945，Loss：1.3124008178710938\n",
      "训练次数：5946，Loss：1.3673518896102905\n",
      "训练次数：5947，Loss：1.1407784223556519\n",
      "训练次数：5948，Loss：1.3369007110595703\n",
      "训练次数：5949，Loss：1.0130711793899536\n",
      "训练次数：5950，Loss：1.3970481157302856\n",
      "训练次数：5951，Loss：1.2965701818466187\n",
      "训练次数：5952，Loss：1.2024478912353516\n",
      "训练次数：5953，Loss：1.2533667087554932\n",
      "训练次数：5954，Loss：1.3497211933135986\n",
      "训练次数：5955，Loss：1.4835413694381714\n",
      "训练次数：5956，Loss：1.351644515991211\n",
      "训练次数：5957，Loss：1.2833278179168701\n",
      "训练次数：5958，Loss：1.0154590606689453\n",
      "训练次数：5959，Loss：1.2087482213974\n",
      "训练次数：5960，Loss：1.0955870151519775\n",
      "训练次数：5961，Loss：1.3161838054656982\n",
      "训练次数：5962，Loss：1.4177149534225464\n",
      "训练次数：5963，Loss：1.2362916469573975\n",
      "训练次数：5964，Loss：1.0743621587753296\n",
      "训练次数：5965，Loss：1.5740429162979126\n",
      "训练次数：5966，Loss：1.320478916168213\n",
      "训练次数：5967，Loss：1.2480552196502686\n",
      "训练次数：5968，Loss：1.1118522882461548\n",
      "训练次数：5969，Loss：1.3338019847869873\n",
      "训练次数：5970，Loss：1.4444559812545776\n",
      "训练次数：5971，Loss：1.1834138631820679\n",
      "训练次数：5972，Loss：1.3015241622924805\n",
      "训练次数：5973，Loss：1.487229347229004\n",
      "训练次数：5974，Loss：1.1770048141479492\n",
      "训练次数：5975，Loss：1.3815149068832397\n",
      "训练次数：5976，Loss：1.2870533466339111\n",
      "训练次数：5977，Loss：1.1841824054718018\n",
      "训练次数：5978，Loss：1.4154255390167236\n",
      "训练次数：5979，Loss：1.4494659900665283\n",
      "训练次数：5980，Loss：1.388282299041748\n",
      "训练次数：5981，Loss：1.2603411674499512\n",
      "训练次数：5982，Loss：1.3041046857833862\n",
      "训练次数：5983，Loss：1.25639808177948\n",
      "训练次数：5984，Loss：1.4019930362701416\n",
      "训练次数：5985，Loss：1.3089872598648071\n",
      "训练次数：5986，Loss：1.2799307107925415\n",
      "训练次数：5987，Loss：1.364977478981018\n",
      "训练次数：5988，Loss：1.355081558227539\n",
      "训练次数：5989，Loss：1.5129377841949463\n",
      "训练次数：5990，Loss：1.230155110359192\n",
      "训练次数：5991，Loss：1.5470525026321411\n",
      "训练次数：5992，Loss：1.1628167629241943\n",
      "训练次数：5993，Loss：1.2017992734909058\n",
      "训练次数：5994，Loss：1.2337844371795654\n",
      "训练次数：5995，Loss：1.533332109451294\n",
      "训练次数：5996，Loss：1.4310206174850464\n",
      "训练次数：5997，Loss：1.2529792785644531\n",
      "训练次数：5998，Loss：1.4097732305526733\n",
      "训练次数：5999，Loss：1.3159029483795166\n",
      "训练次数：6000，Loss：1.5269874334335327\n",
      "训练次数：6001，Loss：1.3272066116333008\n",
      "训练次数：6002，Loss：1.144248604774475\n",
      "训练次数：6003，Loss：1.3534111976623535\n",
      "训练次数：6004，Loss：1.491331696510315\n",
      "训练次数：6005，Loss：1.279890537261963\n",
      "训练次数：6006，Loss：1.4111435413360596\n",
      "训练次数：6007，Loss：1.1870129108428955\n",
      "训练次数：6008，Loss：1.0655338764190674\n",
      "训练次数：6009，Loss：1.2454752922058105\n",
      "训练次数：6010，Loss：1.0351812839508057\n",
      "训练次数：6011，Loss：1.306237816810608\n",
      "训练次数：6012，Loss：1.370190143585205\n",
      "训练次数：6013，Loss：1.3523367643356323\n",
      "训练次数：6014，Loss：1.23232102394104\n",
      "训练次数：6015，Loss：1.2465870380401611\n",
      "训练次数：6016，Loss：1.2931023836135864\n",
      "训练次数：6017，Loss：1.2592240571975708\n",
      "训练次数：6018，Loss：1.2234253883361816\n",
      "训练次数：6019，Loss：1.2011990547180176\n",
      "训练次数：6020，Loss：1.2277405261993408\n",
      "训练次数：6021，Loss：1.3382294178009033\n",
      "训练次数：6022，Loss：1.2665091753005981\n",
      "训练次数：6023，Loss：1.1793967485427856\n",
      "训练次数：6024，Loss：1.459028959274292\n",
      "训练次数：6025，Loss：1.2651773691177368\n",
      "训练次数：6026，Loss：1.5863326787948608\n",
      "训练次数：6027，Loss：1.2199686765670776\n",
      "训练次数：6028，Loss：1.3829622268676758\n",
      "训练次数：6029，Loss：1.0725350379943848\n",
      "训练次数：6030，Loss：1.201273798942566\n",
      "训练次数：6031，Loss：1.4210578203201294\n",
      "训练次数：6032，Loss：1.3202091455459595\n",
      "训练次数：6033，Loss：1.1909379959106445\n",
      "训练次数：6034，Loss：1.349755883216858\n",
      "训练次数：6035，Loss：1.2611368894577026\n",
      "训练次数：6036，Loss：1.3356122970581055\n",
      "训练次数：6037，Loss：1.4271239042282104\n",
      "训练次数：6038，Loss：1.1394896507263184\n",
      "训练次数：6039，Loss：1.335680603981018\n",
      "训练次数：6040，Loss：1.4383633136749268\n",
      "训练次数：6041，Loss：1.1450549364089966\n",
      "训练次数：6042，Loss：1.2368379831314087\n",
      "训练次数：6043，Loss：1.2695144414901733\n",
      "训练次数：6044，Loss：1.1200579404830933\n",
      "训练次数：6045，Loss：1.189931035041809\n",
      "训练次数：6046，Loss：1.2515180110931396\n",
      "训练次数：6047，Loss：1.199466347694397\n",
      "训练次数：6048，Loss：1.3936413526535034\n",
      "训练次数：6049，Loss：1.2077842950820923\n",
      "训练次数：6050，Loss：1.2028326988220215\n",
      "训练次数：6051，Loss：1.3202060461044312\n",
      "训练次数：6052，Loss：1.8048886060714722\n",
      "训练次数：6053，Loss：1.1614959239959717\n",
      "训练次数：6054，Loss：1.235850214958191\n",
      "训练次数：6055，Loss：1.291685938835144\n",
      "训练次数：6056，Loss：1.3152071237564087\n",
      "训练次数：6057，Loss：1.1840193271636963\n",
      "训练次数：6058，Loss：1.3873660564422607\n",
      "训练次数：6059，Loss：1.2551077604293823\n",
      "训练次数：6060，Loss：1.248435378074646\n",
      "训练次数：6061，Loss：1.3270490169525146\n",
      "训练次数：6062，Loss：1.0893784761428833\n",
      "训练次数：6063，Loss：1.4594866037368774\n",
      "训练次数：6064，Loss：1.3548774719238281\n",
      "训练次数：6065，Loss：1.3686085939407349\n",
      "训练次数：6066，Loss：1.0895942449569702\n",
      "训练次数：6067，Loss：1.4212383031845093\n",
      "训练次数：6068，Loss：1.3855361938476562\n",
      "训练次数：6069，Loss：1.3760857582092285\n",
      "训练次数：6070，Loss：1.4503626823425293\n",
      "训练次数：6071，Loss：1.2257667779922485\n",
      "训练次数：6072，Loss：1.2684879302978516\n",
      "训练次数：6073，Loss：1.424616813659668\n",
      "训练次数：6074，Loss：1.3074263334274292\n",
      "训练次数：6075，Loss：1.3438647985458374\n",
      "训练次数：6076，Loss：1.0774915218353271\n",
      "训练次数：6077，Loss：0.9590499997138977\n",
      "训练次数：6078，Loss：1.491969108581543\n",
      "训练次数：6079，Loss：1.3295105695724487\n",
      "训练次数：6080，Loss：1.033217430114746\n",
      "训练次数：6081，Loss：0.9267576932907104\n",
      "训练次数：6082，Loss：1.1523551940917969\n",
      "训练次数：6083，Loss：1.1934850215911865\n",
      "训练次数：6084，Loss：1.3828390836715698\n",
      "训练次数：6085，Loss：1.2567636966705322\n",
      "训练次数：6086，Loss：1.3246104717254639\n",
      "训练次数：6087，Loss：1.4820421934127808\n",
      "训练次数：6088，Loss：1.0316357612609863\n",
      "训练次数：6089，Loss：1.2447739839553833\n",
      "训练次数：6090，Loss：1.2344624996185303\n",
      "训练次数：6091，Loss：1.2297953367233276\n",
      "训练次数：6092，Loss：1.186585783958435\n",
      "训练次数：6093，Loss：1.3183248043060303\n",
      "训练次数：6094，Loss：1.5781830549240112\n",
      "训练次数：6095，Loss：1.2846144437789917\n",
      "训练次数：6096，Loss：1.4133868217468262\n",
      "训练次数：6097，Loss：1.1883612871170044\n",
      "训练次数：6098，Loss：1.0919272899627686\n",
      "训练次数：6099，Loss：1.1879820823669434\n",
      "训练次数：6100，Loss：1.0877939462661743\n",
      "训练次数：6101，Loss：1.1475499868392944\n",
      "训练次数：6102，Loss：1.5181854963302612\n",
      "训练次数：6103，Loss：1.4029407501220703\n",
      "训练次数：6104，Loss：1.1141060590744019\n",
      "训练次数：6105，Loss：1.2100454568862915\n",
      "训练次数：6106，Loss：1.3636356592178345\n",
      "训练次数：6107，Loss：1.3531256914138794\n",
      "训练次数：6108，Loss：1.0368613004684448\n",
      "训练次数：6109，Loss：1.284132480621338\n",
      "训练次数：6110，Loss：1.035771131515503\n",
      "训练次数：6111，Loss：1.1862021684646606\n",
      "训练次数：6112，Loss：1.3139023780822754\n",
      "训练次数：6113，Loss：1.341469407081604\n",
      "训练次数：6114，Loss：1.4388110637664795\n",
      "训练次数：6115，Loss：1.3021259307861328\n",
      "训练次数：6116，Loss：1.437984585762024\n",
      "训练次数：6117，Loss：1.3243656158447266\n",
      "训练次数：6118，Loss：1.1400344371795654\n",
      "训练次数：6119，Loss：1.2076468467712402\n",
      "训练次数：6120，Loss：1.489851474761963\n",
      "训练次数：6121，Loss：1.2623765468597412\n",
      "训练次数：6122，Loss：1.1636555194854736\n",
      "训练次数：6123，Loss：1.3182122707366943\n",
      "训练次数：6124，Loss：1.5785506963729858\n",
      "训练次数：6125，Loss：1.173994541168213\n",
      "训练次数：6126，Loss：1.3257200717926025\n",
      "训练次数：6127，Loss：1.025349497795105\n",
      "训练次数：6128，Loss：1.0952101945877075\n",
      "训练次数：6129，Loss：1.3835358619689941\n",
      "训练次数：6130，Loss：1.3199607133865356\n",
      "训练次数：6131，Loss：1.3021448850631714\n",
      "训练次数：6132，Loss：1.1600857973098755\n",
      "训练次数：6133，Loss：1.5527833700180054\n",
      "训练次数：6134，Loss：1.1902613639831543\n",
      "训练次数：6135，Loss：1.128636360168457\n",
      "训练次数：6136，Loss：0.9995743036270142\n",
      "训练次数：6137，Loss：1.0742956399917603\n",
      "训练次数：6138，Loss：1.2120516300201416\n",
      "训练次数：6139，Loss：1.5343726873397827\n",
      "训练次数：6140，Loss：1.5828653573989868\n",
      "训练次数：6141，Loss：1.0941215753555298\n",
      "训练次数：6142，Loss：1.3969061374664307\n",
      "训练次数：6143，Loss：1.1947170495986938\n",
      "训练次数：6144，Loss：1.2397513389587402\n",
      "训练次数：6145，Loss：1.3299167156219482\n",
      "训练次数：6146，Loss：1.186590552330017\n",
      "训练次数：6147，Loss：1.263682246208191\n",
      "训练次数：6148，Loss：1.1841404438018799\n",
      "训练次数：6149，Loss：1.2447283267974854\n",
      "训练次数：6150，Loss：1.4976481199264526\n",
      "训练次数：6151，Loss：1.495227575302124\n",
      "训练次数：6152，Loss：1.1078835725784302\n",
      "训练次数：6153，Loss：1.3241320848464966\n",
      "训练次数：6154，Loss：1.3523776531219482\n",
      "训练次数：6155，Loss：1.3538775444030762\n",
      "训练次数：6156，Loss：1.038201928138733\n",
      "训练次数：6157，Loss：1.0674502849578857\n",
      "训练次数：6158，Loss：1.2556277513504028\n",
      "训练次数：6159，Loss：1.3165247440338135\n",
      "训练次数：6160，Loss：1.6549408435821533\n",
      "训练次数：6161，Loss：1.2042348384857178\n",
      "训练次数：6162，Loss：1.1446114778518677\n",
      "训练次数：6163，Loss：1.2831394672393799\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：6164，Loss：1.3229345083236694\n",
      "训练次数：6165，Loss：1.3115090131759644\n",
      "训练次数：6166，Loss：1.3298554420471191\n",
      "训练次数：6167，Loss：1.5501782894134521\n",
      "训练次数：6168，Loss：1.3420292139053345\n",
      "训练次数：6169，Loss：1.3332154750823975\n",
      "训练次数：6170，Loss：1.244856357574463\n",
      "训练次数：6171，Loss：1.3156483173370361\n",
      "训练次数：6172，Loss：1.2257345914840698\n",
      "训练次数：6173，Loss：1.0736041069030762\n",
      "训练次数：6174，Loss：1.432971715927124\n",
      "训练次数：6175，Loss：1.3832943439483643\n",
      "训练次数：6176，Loss：1.2742834091186523\n",
      "训练次数：6177，Loss：1.2678970098495483\n",
      "训练次数：6178，Loss：1.008241057395935\n",
      "训练次数：6179，Loss：1.3635146617889404\n",
      "训练次数：6180，Loss：1.2317017316818237\n",
      "训练次数：6181，Loss：1.4887399673461914\n",
      "训练次数：6182，Loss：1.3443070650100708\n",
      "训练次数：6183，Loss：1.0540220737457275\n",
      "训练次数：6184，Loss：0.937875509262085\n",
      "训练次数：6185，Loss：1.2800077199935913\n",
      "训练次数：6186，Loss：1.0522739887237549\n",
      "训练次数：6187，Loss：1.2384247779846191\n",
      "训练次数：6188，Loss：1.3181138038635254\n",
      "训练次数：6189，Loss：1.2427470684051514\n",
      "训练次数：6190，Loss：1.220605731010437\n",
      "训练次数：6191，Loss：1.129865288734436\n",
      "训练次数：6192，Loss：1.139430284500122\n",
      "训练次数：6193，Loss：1.2006255388259888\n",
      "训练次数：6194，Loss：1.3405461311340332\n",
      "训练次数：6195，Loss：1.2054332494735718\n",
      "训练次数：6196，Loss：1.2631388902664185\n",
      "训练次数：6197，Loss：1.0821292400360107\n",
      "训练次数：6198，Loss：1.4569121599197388\n",
      "训练次数：6199，Loss：1.2929164171218872\n",
      "训练次数：6200，Loss：1.1210469007492065\n",
      "训练次数：6201，Loss：1.4343599081039429\n",
      "训练次数：6202，Loss：1.4953705072402954\n",
      "训练次数：6203，Loss：1.2157766819000244\n",
      "训练次数：6204，Loss：1.227073311805725\n",
      "训练次数：6205，Loss：1.0565136671066284\n",
      "训练次数：6206，Loss：1.0888289213180542\n",
      "训练次数：6207，Loss：1.2305164337158203\n",
      "训练次数：6208，Loss：1.165428876876831\n",
      "训练次数：6209，Loss：1.2473604679107666\n",
      "训练次数：6210，Loss：1.2841782569885254\n",
      "训练次数：6211，Loss：1.0514661073684692\n",
      "训练次数：6212，Loss：1.2408519983291626\n",
      "训练次数：6213，Loss：1.1456059217453003\n",
      "训练次数：6214，Loss：0.9960169792175293\n",
      "训练次数：6215，Loss：1.3940118551254272\n",
      "训练次数：6216，Loss：1.2600973844528198\n",
      "训练次数：6217，Loss：1.5507408380508423\n",
      "训练次数：6218，Loss：1.0535944700241089\n",
      "训练次数：6219，Loss：1.1133108139038086\n",
      "训练次数：6220，Loss：1.3072127103805542\n",
      "训练次数：6221，Loss：1.1177000999450684\n",
      "训练次数：6222，Loss：1.4052648544311523\n",
      "训练次数：6223，Loss：1.3481364250183105\n",
      "训练次数：6224，Loss：1.117901086807251\n",
      "训练次数：6225，Loss：1.6048583984375\n",
      "训练次数：6226，Loss：1.249010443687439\n",
      "训练次数：6227，Loss：1.2472233772277832\n",
      "训练次数：6228，Loss：1.2828874588012695\n",
      "训练次数：6229，Loss：1.2502431869506836\n",
      "训练次数：6230，Loss：1.238876223564148\n",
      "训练次数：6231，Loss：1.2368595600128174\n",
      "训练次数：6232，Loss：1.248608946800232\n",
      "训练次数：6233，Loss：1.4178495407104492\n",
      "训练次数：6234，Loss：1.1458485126495361\n",
      "训练次数：6235，Loss：1.2327189445495605\n",
      "训练次数：6236，Loss：1.3660132884979248\n",
      "训练次数：6237，Loss：1.1812708377838135\n",
      "训练次数：6238，Loss：1.2262312173843384\n",
      "训练次数：6239，Loss：1.120668649673462\n",
      "训练次数：6240，Loss：1.3885655403137207\n",
      "训练次数：6241，Loss：1.088301420211792\n",
      "训练次数：6242，Loss：1.3471440076828003\n",
      "训练次数：6243，Loss：0.9813278317451477\n",
      "训练次数：6244，Loss：1.122257113456726\n",
      "训练次数：6245，Loss：1.339271068572998\n",
      "训练次数：6246，Loss：1.3071284294128418\n",
      "训练次数：6247，Loss：1.3283613920211792\n",
      "训练次数：6248，Loss：1.0644776821136475\n",
      "训练次数：6249，Loss：1.2119336128234863\n",
      "训练次数：6250，Loss：1.1095637083053589\n",
      "训练次数：6251，Loss：1.3917264938354492\n",
      "训练次数：6252，Loss：1.1681272983551025\n",
      "训练次数：6253，Loss：1.1195703744888306\n",
      "训练次数：6254，Loss：1.1405022144317627\n",
      "训练次数：6255，Loss：1.3474702835083008\n",
      "训练次数：6256，Loss：1.7841163873672485\n",
      "-----第 9 轮训练开始-----\n",
      "训练次数：6257，Loss：1.2861464023590088\n",
      "训练次数：6258，Loss：1.1618098020553589\n",
      "训练次数：6259，Loss：1.4472986459732056\n",
      "训练次数：6260，Loss：1.0372045040130615\n",
      "训练次数：6261，Loss：1.2609241008758545\n",
      "训练次数：6262，Loss：1.2263593673706055\n",
      "训练次数：6263，Loss：1.2385547161102295\n",
      "训练次数：6264，Loss：1.2569835186004639\n",
      "训练次数：6265，Loss：1.1253231763839722\n",
      "训练次数：6266，Loss：1.4509261846542358\n",
      "训练次数：6267，Loss：1.315166711807251\n",
      "训练次数：6268，Loss：1.3941600322723389\n",
      "训练次数：6269，Loss：1.3340731859207153\n",
      "训练次数：6270，Loss：1.4761594533920288\n",
      "训练次数：6271，Loss：1.199869155883789\n",
      "训练次数：6272，Loss：1.0321391820907593\n",
      "训练次数：6273，Loss：1.2104562520980835\n",
      "训练次数：6274，Loss：1.1037776470184326\n",
      "训练次数：6275，Loss：1.2297132015228271\n",
      "训练次数：6276，Loss：1.1413826942443848\n",
      "训练次数：6277，Loss：1.477699875831604\n",
      "训练次数：6278，Loss：1.1796938180923462\n",
      "训练次数：6279，Loss：1.2329235076904297\n",
      "训练次数：6280，Loss：1.3084667921066284\n",
      "训练次数：6281，Loss：1.2796717882156372\n",
      "训练次数：6282，Loss：1.1580935716629028\n",
      "训练次数：6283，Loss：1.2618790864944458\n",
      "训练次数：6284，Loss：1.1598557233810425\n",
      "训练次数：6285，Loss：1.0045864582061768\n",
      "训练次数：6286，Loss：1.0178091526031494\n",
      "训练次数：6287，Loss：1.3884010314941406\n",
      "训练次数：6288，Loss：1.3623902797698975\n",
      "训练次数：6289，Loss：1.0941956043243408\n",
      "训练次数：6290，Loss：1.077024221420288\n",
      "训练次数：6291，Loss：1.2668335437774658\n",
      "训练次数：6292，Loss：1.1352936029434204\n",
      "训练次数：6293，Loss：1.210860252380371\n",
      "训练次数：6294，Loss：1.3260724544525146\n",
      "训练次数：6295，Loss：1.1286647319793701\n",
      "训练次数：6296，Loss：1.5044770240783691\n",
      "训练次数：6297，Loss：1.270946979522705\n",
      "训练次数：6298，Loss：0.9603766798973083\n",
      "训练次数：6299，Loss：1.428026556968689\n",
      "训练次数：6300，Loss：1.4484221935272217\n",
      "训练次数：6301，Loss：1.0485358238220215\n",
      "训练次数：6302，Loss：1.2032010555267334\n",
      "训练次数：6303，Loss：1.338860273361206\n",
      "训练次数：6304，Loss：1.5179753303527832\n",
      "训练次数：6305，Loss：1.2127052545547485\n",
      "训练次数：6306，Loss：1.403884768486023\n",
      "训练次数：6307，Loss：1.1678683757781982\n",
      "训练次数：6308，Loss：1.3495209217071533\n",
      "训练次数：6309，Loss：1.2715524435043335\n",
      "训练次数：6310，Loss：1.3130521774291992\n",
      "训练次数：6311，Loss：1.1304272413253784\n",
      "训练次数：6312，Loss：1.1398296356201172\n",
      "训练次数：6313，Loss：1.2605335712432861\n",
      "训练次数：6314，Loss：1.0983504056930542\n",
      "训练次数：6315，Loss：1.0225998163223267\n",
      "训练次数：6316，Loss：1.1200659275054932\n",
      "训练次数：6317，Loss：1.2029757499694824\n",
      "训练次数：6318，Loss：1.3560230731964111\n",
      "训练次数：6319，Loss：1.2970439195632935\n",
      "训练次数：6320，Loss：1.3019553422927856\n",
      "训练次数：6321，Loss：1.3387293815612793\n",
      "训练次数：6322，Loss：1.2247631549835205\n",
      "训练次数：6323，Loss：1.1407586336135864\n",
      "训练次数：6324，Loss：1.2923741340637207\n",
      "训练次数：6325，Loss：1.047350525856018\n",
      "训练次数：6326，Loss：1.122631549835205\n",
      "训练次数：6327，Loss：1.4239696264266968\n",
      "训练次数：6328，Loss：1.0917993783950806\n",
      "训练次数：6329，Loss：1.2185804843902588\n",
      "训练次数：6330，Loss：1.1957619190216064\n",
      "训练次数：6331，Loss：1.3639686107635498\n",
      "训练次数：6332，Loss：1.4064841270446777\n",
      "训练次数：6333，Loss：1.2754347324371338\n",
      "训练次数：6334，Loss：1.4213483333587646\n",
      "训练次数：6335，Loss：1.1601756811141968\n",
      "训练次数：6336，Loss：1.4992139339447021\n",
      "训练次数：6337，Loss：1.4828513860702515\n",
      "训练次数：6338，Loss：1.1153359413146973\n",
      "训练次数：6339，Loss：1.4372717142105103\n",
      "训练次数：6340，Loss：1.2115145921707153\n",
      "训练次数：6341，Loss：1.3607035875320435\n",
      "训练次数：6342，Loss：1.2460473775863647\n",
      "训练次数：6343，Loss：1.1854106187820435\n",
      "训练次数：6344，Loss：1.024649739265442\n",
      "训练次数：6345，Loss：1.2782150506973267\n",
      "训练次数：6346，Loss：1.2327704429626465\n",
      "训练次数：6347，Loss：1.2464678287506104\n",
      "训练次数：6348，Loss：1.330022931098938\n",
      "训练次数：6349，Loss：1.0053505897521973\n",
      "训练次数：6350，Loss：1.180468201637268\n",
      "训练次数：6351，Loss：1.2116992473602295\n",
      "训练次数：6352，Loss：1.4663619995117188\n",
      "训练次数：6353，Loss：1.0146766901016235\n",
      "训练次数：6354，Loss：1.3649110794067383\n",
      "训练次数：6355，Loss：1.0584287643432617\n",
      "训练次数：6356，Loss：1.1307684183120728\n",
      "训练次数：6357，Loss：1.263124942779541\n",
      "训练次数：6358，Loss：1.146555781364441\n",
      "训练次数：6359，Loss：1.2365156412124634\n",
      "训练次数：6360，Loss：1.396362066268921\n",
      "训练次数：6361，Loss：1.324540615081787\n",
      "训练次数：6362，Loss：1.112166404724121\n",
      "训练次数：6363，Loss：1.1533145904541016\n",
      "训练次数：6364，Loss：1.448762059211731\n",
      "训练次数：6365，Loss：1.1455416679382324\n",
      "训练次数：6366，Loss：1.0883457660675049\n",
      "训练次数：6367，Loss：1.3251864910125732\n",
      "训练次数：6368，Loss：1.1904546022415161\n",
      "训练次数：6369，Loss：1.202665090560913\n",
      "训练次数：6370，Loss：1.004790186882019\n",
      "训练次数：6371，Loss：1.1123543977737427\n",
      "训练次数：6372，Loss：1.4486820697784424\n",
      "训练次数：6373，Loss：1.1720566749572754\n",
      "训练次数：6374，Loss：1.1895616054534912\n",
      "训练次数：6375，Loss：1.3418065309524536\n",
      "训练次数：6376，Loss：1.2456495761871338\n",
      "训练次数：6377，Loss：1.275532603263855\n",
      "训练次数：6378，Loss：1.2838869094848633\n",
      "训练次数：6379，Loss：1.2009416818618774\n",
      "训练次数：6380，Loss：1.2505388259887695\n",
      "训练次数：6381，Loss：1.3109729290008545\n",
      "训练次数：6382，Loss：1.118270754814148\n",
      "训练次数：6383，Loss：1.280193567276001\n",
      "训练次数：6384，Loss：1.1077326536178589\n",
      "训练次数：6385，Loss：1.2988280057907104\n",
      "训练次数：6386，Loss：1.0893806219100952\n",
      "训练次数：6387，Loss：1.1679495573043823\n",
      "训练次数：6388，Loss：1.0892345905303955\n",
      "训练次数：6389，Loss：1.4748090505599976\n",
      "训练次数：6390，Loss：1.0252573490142822\n",
      "训练次数：6391，Loss：1.1972031593322754\n",
      "训练次数：6392，Loss：1.2064740657806396\n",
      "训练次数：6393，Loss：1.3768664598464966\n",
      "训练次数：6394，Loss：1.3753129243850708\n",
      "训练次数：6395，Loss：0.9858906865119934\n",
      "训练次数：6396，Loss：1.4388009309768677\n",
      "训练次数：6397，Loss：1.5269906520843506\n",
      "训练次数：6398，Loss：1.2975133657455444\n",
      "训练次数：6399，Loss：1.1491931676864624\n",
      "训练次数：6400，Loss：1.1887606382369995\n",
      "训练次数：6401，Loss：1.0367554426193237\n",
      "训练次数：6402，Loss：1.2114589214324951\n",
      "训练次数：6403，Loss：1.1901865005493164\n",
      "训练次数：6404，Loss：1.2967839241027832\n",
      "训练次数：6405，Loss：1.0806952714920044\n",
      "训练次数：6406，Loss：1.1615549325942993\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：6407，Loss：1.1959012746810913\n",
      "训练次数：6408，Loss：1.2476915121078491\n",
      "训练次数：6409，Loss：1.2518073320388794\n",
      "训练次数：6410，Loss：1.0985972881317139\n",
      "训练次数：6411，Loss：1.2024847269058228\n",
      "训练次数：6412，Loss：1.2904894351959229\n",
      "训练次数：6413，Loss：1.2452949285507202\n",
      "训练次数：6414，Loss：1.0649659633636475\n",
      "训练次数：6415，Loss：1.3299696445465088\n",
      "训练次数：6416，Loss：1.4659099578857422\n",
      "训练次数：6417，Loss：1.2286330461502075\n",
      "训练次数：6418，Loss：1.0611095428466797\n",
      "训练次数：6419，Loss：1.4784544706344604\n",
      "训练次数：6420，Loss：1.5008678436279297\n",
      "训练次数：6421，Loss：1.2765493392944336\n",
      "训练次数：6422，Loss：1.5150800943374634\n",
      "训练次数：6423，Loss：1.155186653137207\n",
      "训练次数：6424，Loss：1.2114571332931519\n",
      "训练次数：6425，Loss：1.1613249778747559\n",
      "训练次数：6426，Loss：1.185420036315918\n",
      "训练次数：6427，Loss：1.4144693613052368\n",
      "训练次数：6428，Loss：1.168111801147461\n",
      "训练次数：6429，Loss：1.2551149129867554\n",
      "训练次数：6430，Loss：1.6118700504302979\n",
      "训练次数：6431，Loss：1.0555633306503296\n",
      "训练次数：6432，Loss：1.2661609649658203\n",
      "训练次数：6433，Loss：1.1691431999206543\n",
      "训练次数：6434，Loss：1.2689039707183838\n",
      "训练次数：6435，Loss：1.3391443490982056\n",
      "训练次数：6436，Loss：1.2661288976669312\n",
      "训练次数：6437，Loss：1.0816608667373657\n",
      "训练次数：6438，Loss：1.181182861328125\n",
      "训练次数：6439，Loss：1.187730312347412\n",
      "训练次数：6440，Loss：1.2860976457595825\n",
      "训练次数：6441，Loss：1.4928237199783325\n",
      "训练次数：6442，Loss：1.2749701738357544\n",
      "训练次数：6443，Loss：1.2915678024291992\n",
      "训练次数：6444，Loss：1.2103166580200195\n",
      "训练次数：6445，Loss：1.2993943691253662\n",
      "训练次数：6446，Loss：1.2886371612548828\n",
      "训练次数：6447，Loss：1.0394529104232788\n",
      "训练次数：6448，Loss：1.3042351007461548\n",
      "训练次数：6449，Loss：1.5327051877975464\n",
      "训练次数：6450，Loss：1.1424216032028198\n",
      "训练次数：6451，Loss：1.1869102716445923\n",
      "训练次数：6452，Loss：1.321947455406189\n",
      "训练次数：6453，Loss：1.2699495553970337\n",
      "训练次数：6454，Loss：1.5216877460479736\n",
      "训练次数：6455，Loss：1.3520654439926147\n",
      "训练次数：6456，Loss：1.192201852798462\n",
      "训练次数：6457，Loss：1.0712254047393799\n",
      "训练次数：6458，Loss：1.3782175779342651\n",
      "训练次数：6459，Loss：1.2832376956939697\n",
      "训练次数：6460，Loss：1.2672832012176514\n",
      "训练次数：6461，Loss：1.3017582893371582\n",
      "训练次数：6462，Loss：1.3363219499588013\n",
      "训练次数：6463，Loss：1.159083366394043\n",
      "训练次数：6464，Loss：1.2775686979293823\n",
      "训练次数：6465，Loss：1.1058233976364136\n",
      "训练次数：6466，Loss：1.5356518030166626\n",
      "训练次数：6467，Loss：1.0221775770187378\n",
      "训练次数：6468，Loss：1.1509648561477661\n",
      "训练次数：6469，Loss：1.105483889579773\n",
      "训练次数：6470，Loss：1.2940775156021118\n",
      "训练次数：6471，Loss：1.4391802549362183\n",
      "训练次数：6472，Loss：1.310148000717163\n",
      "训练次数：6473，Loss：1.1207079887390137\n",
      "训练次数：6474，Loss：1.2118009328842163\n",
      "训练次数：6475，Loss：1.1090956926345825\n",
      "训练次数：6476，Loss：1.2472501993179321\n",
      "训练次数：6477，Loss：1.2222405672073364\n",
      "训练次数：6478，Loss：1.3778024911880493\n",
      "训练次数：6479，Loss：1.2703032493591309\n",
      "训练次数：6480，Loss：1.3738257884979248\n",
      "训练次数：6481，Loss：1.2953232526779175\n",
      "训练次数：6482，Loss：1.120524287223816\n",
      "训练次数：6483，Loss：1.239711046218872\n",
      "训练次数：6484，Loss：1.033470630645752\n",
      "训练次数：6485，Loss：1.256584882736206\n",
      "训练次数：6486，Loss：1.4315905570983887\n",
      "训练次数：6487，Loss：1.1861987113952637\n",
      "训练次数：6488，Loss：1.2832069396972656\n",
      "训练次数：6489，Loss：1.2214436531066895\n",
      "训练次数：6490，Loss：1.410467505455017\n",
      "训练次数：6491，Loss：1.2691750526428223\n",
      "训练次数：6492，Loss：1.302896499633789\n",
      "训练次数：6493，Loss：1.3322088718414307\n",
      "训练次数：6494，Loss：1.2794610261917114\n",
      "训练次数：6495，Loss：1.15458345413208\n",
      "训练次数：6496，Loss：1.1437921524047852\n",
      "训练次数：6497，Loss：1.3056584596633911\n",
      "训练次数：6498，Loss：1.2434120178222656\n",
      "训练次数：6499，Loss：1.118324875831604\n",
      "训练次数：6500，Loss：1.5617635250091553\n",
      "训练次数：6501，Loss：1.1814994812011719\n",
      "训练次数：6502，Loss：1.4174697399139404\n",
      "训练次数：6503，Loss：1.1381756067276\n",
      "训练次数：6504，Loss：1.2972376346588135\n",
      "训练次数：6505，Loss：1.3629637956619263\n",
      "训练次数：6506，Loss：1.5414167642593384\n",
      "训练次数：6507，Loss：1.2544621229171753\n",
      "训练次数：6508，Loss：1.31813383102417\n",
      "训练次数：6509，Loss：1.317323923110962\n",
      "训练次数：6510，Loss：1.2099977731704712\n",
      "训练次数：6511，Loss：1.2718883752822876\n",
      "训练次数：6512，Loss：1.1058745384216309\n",
      "训练次数：6513，Loss：1.2480353116989136\n",
      "训练次数：6514，Loss：1.0546064376831055\n",
      "训练次数：6515，Loss：1.3535152673721313\n",
      "训练次数：6516，Loss：1.2552704811096191\n",
      "训练次数：6517，Loss：1.211398959159851\n",
      "训练次数：6518，Loss：1.1969645023345947\n",
      "训练次数：6519，Loss：1.2470760345458984\n",
      "训练次数：6520，Loss：1.400605320930481\n",
      "训练次数：6521，Loss：1.045839786529541\n",
      "训练次数：6522，Loss：1.144741415977478\n",
      "训练次数：6523，Loss：1.177733063697815\n",
      "训练次数：6524，Loss：1.2150845527648926\n",
      "训练次数：6525，Loss：1.0167973041534424\n",
      "训练次数：6526，Loss：1.2822712659835815\n",
      "训练次数：6527，Loss：1.2806949615478516\n",
      "训练次数：6528，Loss：1.092023253440857\n",
      "训练次数：6529，Loss：1.1622602939605713\n",
      "训练次数：6530，Loss：1.2498185634613037\n",
      "训练次数：6531，Loss：1.1473580598831177\n",
      "训练次数：6532，Loss：1.074057936668396\n",
      "训练次数：6533，Loss：1.5506850481033325\n",
      "训练次数：6534，Loss：1.3139755725860596\n",
      "训练次数：6535，Loss：1.3373221158981323\n",
      "训练次数：6536，Loss：1.0662825107574463\n",
      "训练次数：6537，Loss：1.1272478103637695\n",
      "训练次数：6538，Loss：1.3162689208984375\n",
      "训练次数：6539，Loss：1.0377914905548096\n",
      "训练次数：6540，Loss：1.4079344272613525\n",
      "训练次数：6541，Loss：1.244051456451416\n",
      "训练次数：6542，Loss：1.2215173244476318\n",
      "训练次数：6543，Loss：1.1411161422729492\n",
      "训练次数：6544，Loss：1.2358229160308838\n",
      "训练次数：6545，Loss：1.3948936462402344\n",
      "训练次数：6546，Loss：1.4022908210754395\n",
      "训练次数：6547，Loss：1.2530789375305176\n",
      "训练次数：6548，Loss：1.327614426612854\n",
      "训练次数：6549，Loss：1.1714955568313599\n",
      "训练次数：6550，Loss：1.1302967071533203\n",
      "训练次数：6551，Loss：1.096859097480774\n",
      "训练次数：6552，Loss：1.1219404935836792\n",
      "训练次数：6553，Loss：1.3237791061401367\n",
      "训练次数：6554，Loss：1.2141872644424438\n",
      "训练次数：6555，Loss：1.1731946468353271\n",
      "训练次数：6556，Loss：1.3369388580322266\n",
      "训练次数：6557，Loss：1.1486338376998901\n",
      "训练次数：6558，Loss：1.127380609512329\n",
      "训练次数：6559，Loss：1.2170734405517578\n",
      "训练次数：6560，Loss：1.0941280126571655\n",
      "训练次数：6561，Loss：1.090182900428772\n",
      "训练次数：6562，Loss：1.551669716835022\n",
      "训练次数：6563，Loss：1.2826350927352905\n",
      "训练次数：6564，Loss：1.2982107400894165\n",
      "训练次数：6565，Loss：1.474715232849121\n",
      "训练次数：6566，Loss：1.1135692596435547\n",
      "训练次数：6567，Loss：1.1902916431427002\n",
      "训练次数：6568，Loss：1.2678996324539185\n",
      "训练次数：6569，Loss：1.3350648880004883\n",
      "训练次数：6570，Loss：1.2871315479278564\n",
      "训练次数：6571，Loss：1.1717678308486938\n",
      "训练次数：6572，Loss：1.318723201751709\n",
      "训练次数：6573，Loss：1.3621511459350586\n",
      "训练次数：6574，Loss：1.3712185621261597\n",
      "训练次数：6575，Loss：1.1429485082626343\n",
      "训练次数：6576，Loss：1.2720531225204468\n",
      "训练次数：6577，Loss：1.3584434986114502\n",
      "训练次数：6578，Loss：1.3405665159225464\n",
      "训练次数：6579，Loss：1.2610981464385986\n",
      "训练次数：6580，Loss：1.3363769054412842\n",
      "训练次数：6581，Loss：1.1822706460952759\n",
      "训练次数：6582，Loss：1.1473090648651123\n",
      "训练次数：6583，Loss：1.0910855531692505\n",
      "训练次数：6584，Loss：1.1566964387893677\n",
      "训练次数：6585，Loss：1.1677823066711426\n",
      "训练次数：6586，Loss：1.1601855754852295\n",
      "训练次数：6587，Loss：1.160699486732483\n",
      "训练次数：6588，Loss：1.1887457370758057\n",
      "训练次数：6589，Loss：1.259082317352295\n",
      "训练次数：6590，Loss：1.159703016281128\n",
      "训练次数：6591，Loss：1.2610993385314941\n",
      "训练次数：6592，Loss：1.3573509454727173\n",
      "训练次数：6593，Loss：1.2419109344482422\n",
      "训练次数：6594，Loss：0.9654616713523865\n",
      "训练次数：6595，Loss：1.183902621269226\n",
      "训练次数：6596，Loss：1.2019296884536743\n",
      "训练次数：6597，Loss：1.4277657270431519\n",
      "训练次数：6598，Loss：1.3278461694717407\n",
      "训练次数：6599，Loss：1.1163042783737183\n",
      "训练次数：6600，Loss：1.1464474201202393\n",
      "训练次数：6601，Loss：1.3113219738006592\n",
      "训练次数：6602，Loss：1.0849666595458984\n",
      "训练次数：6603，Loss：1.009664535522461\n",
      "训练次数：6604，Loss：1.280644178390503\n",
      "训练次数：6605，Loss：1.2834274768829346\n",
      "训练次数：6606，Loss：1.2398841381072998\n",
      "训练次数：6607，Loss：1.319719910621643\n",
      "训练次数：6608，Loss：1.3695313930511475\n",
      "训练次数：6609，Loss：1.0943844318389893\n",
      "训练次数：6610，Loss：1.3170186281204224\n",
      "训练次数：6611，Loss：1.2471797466278076\n",
      "训练次数：6612，Loss：1.195259928703308\n",
      "训练次数：6613，Loss：1.2223938703536987\n",
      "训练次数：6614，Loss：1.3442332744598389\n",
      "训练次数：6615，Loss：1.1429346799850464\n",
      "训练次数：6616，Loss：1.3613312244415283\n",
      "训练次数：6617，Loss：1.2085094451904297\n",
      "训练次数：6618，Loss：0.9105754494667053\n",
      "训练次数：6619，Loss：1.2785751819610596\n",
      "训练次数：6620，Loss：1.1939254999160767\n",
      "训练次数：6621，Loss：0.9020771384239197\n",
      "训练次数：6622，Loss：1.0341137647628784\n",
      "训练次数：6623，Loss：1.4419875144958496\n",
      "训练次数：6624，Loss：1.3449431657791138\n",
      "训练次数：6625，Loss：1.069052815437317\n",
      "训练次数：6626，Loss：1.2339890003204346\n",
      "训练次数：6627，Loss：0.9180026054382324\n",
      "训练次数：6628，Loss：1.2204151153564453\n",
      "训练次数：6629，Loss：1.0358084440231323\n",
      "训练次数：6630，Loss：1.1579020023345947\n",
      "训练次数：6631，Loss：1.4075063467025757\n",
      "训练次数：6632，Loss：1.1563581228256226\n",
      "训练次数：6633，Loss：1.1053640842437744\n",
      "训练次数：6634，Loss：1.1504369974136353\n",
      "训练次数：6635，Loss：1.1297873258590698\n",
      "训练次数：6636，Loss：1.4414187669754028\n",
      "训练次数：6637，Loss：1.3926113843917847\n",
      "训练次数：6638，Loss：1.1822469234466553\n",
      "训练次数：6639，Loss：1.1406726837158203\n",
      "训练次数：6640，Loss：1.188501238822937\n",
      "训练次数：6641，Loss：1.1099293231964111\n",
      "训练次数：6642，Loss：1.1501790285110474\n",
      "训练次数：6643，Loss：1.1714212894439697\n",
      "训练次数：6644，Loss：1.4004099369049072\n",
      "训练次数：6645，Loss：1.2927037477493286\n",
      "训练次数：6646，Loss：1.077930212020874\n",
      "训练次数：6647，Loss：1.0847219228744507\n",
      "训练次数：6648，Loss：0.9631338715553284\n",
      "训练次数：6649，Loss：1.2703275680541992\n",
      "训练次数：6650，Loss：1.3908545970916748\n",
      "训练次数：6651，Loss：1.3444420099258423\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：6652，Loss：1.155050277709961\n",
      "训练次数：6653，Loss：1.244228482246399\n",
      "训练次数：6654，Loss：1.4037458896636963\n",
      "训练次数：6655，Loss：1.1656688451766968\n",
      "训练次数：6656，Loss：1.1417547464370728\n",
      "训练次数：6657，Loss：1.1272956132888794\n",
      "训练次数：6658，Loss：1.3609999418258667\n",
      "训练次数：6659，Loss：1.306455135345459\n",
      "训练次数：6660，Loss：1.017929196357727\n",
      "训练次数：6661，Loss：1.2764583826065063\n",
      "训练次数：6662，Loss：1.084906816482544\n",
      "训练次数：6663，Loss：1.1824871301651\n",
      "训练次数：6664，Loss：0.9786067008972168\n",
      "训练次数：6665，Loss：1.1738530397415161\n",
      "训练次数：6666，Loss：0.9652680158615112\n",
      "训练次数：6667，Loss：1.4527990818023682\n",
      "训练次数：6668，Loss：1.1520183086395264\n",
      "训练次数：6669，Loss：1.3190150260925293\n",
      "训练次数：6670，Loss：1.2348334789276123\n",
      "训练次数：6671，Loss：1.2627804279327393\n",
      "训练次数：6672，Loss：1.17018723487854\n",
      "训练次数：6673，Loss：1.3319600820541382\n",
      "训练次数：6674，Loss：1.1679588556289673\n",
      "训练次数：6675，Loss：1.3540887832641602\n",
      "训练次数：6676，Loss：1.3328849077224731\n",
      "训练次数：6677，Loss：1.3059172630310059\n",
      "训练次数：6678，Loss：1.2066993713378906\n",
      "训练次数：6679，Loss：1.2960747480392456\n",
      "训练次数：6680，Loss：1.1116677522659302\n",
      "训练次数：6681，Loss：1.2400752305984497\n",
      "训练次数：6682，Loss：1.3289467096328735\n",
      "训练次数：6683，Loss：1.1999218463897705\n",
      "训练次数：6684，Loss：1.075626015663147\n",
      "训练次数：6685，Loss：1.2838537693023682\n",
      "训练次数：6686，Loss：1.1048213243484497\n",
      "训练次数：6687，Loss：1.2788814306259155\n",
      "训练次数：6688，Loss：1.0896575450897217\n",
      "训练次数：6689，Loss：1.2570923566818237\n",
      "训练次数：6690，Loss：1.1701420545578003\n",
      "训练次数：6691，Loss：1.2419023513793945\n",
      "训练次数：6692，Loss：1.5015804767608643\n",
      "训练次数：6693，Loss：1.2331770658493042\n",
      "训练次数：6694，Loss：1.1756815910339355\n",
      "训练次数：6695，Loss：1.1465848684310913\n",
      "训练次数：6696，Loss：1.185917854309082\n",
      "训练次数：6697，Loss：1.180129051208496\n",
      "训练次数：6698，Loss：1.0384670495986938\n",
      "训练次数：6699，Loss：1.2538731098175049\n",
      "训练次数：6700，Loss：1.0629515647888184\n",
      "训练次数：6701，Loss：1.3296732902526855\n",
      "训练次数：6702，Loss：1.2671051025390625\n",
      "训练次数：6703，Loss：1.3053021430969238\n",
      "训练次数：6704，Loss：1.2014968395233154\n",
      "训练次数：6705，Loss：1.1663118600845337\n",
      "训练次数：6706，Loss：1.3325222730636597\n",
      "训练次数：6707，Loss：1.0605065822601318\n",
      "训练次数：6708，Loss：0.9852656126022339\n",
      "训练次数：6709，Loss：1.103795051574707\n",
      "训练次数：6710，Loss：1.1774698495864868\n",
      "训练次数：6711，Loss：1.243677020072937\n",
      "训练次数：6712，Loss：1.4148108959197998\n",
      "训练次数：6713，Loss：1.3961005210876465\n",
      "训练次数：6714，Loss：1.0153045654296875\n",
      "训练次数：6715，Loss：0.9683928489685059\n",
      "训练次数：6716，Loss：1.1260850429534912\n",
      "训练次数：6717，Loss：1.2432268857955933\n",
      "训练次数：6718，Loss：1.2527626752853394\n",
      "训练次数：6719，Loss：1.0343159437179565\n",
      "训练次数：6720，Loss：1.3132683038711548\n",
      "训练次数：6721，Loss：1.0882022380828857\n",
      "训练次数：6722，Loss：1.0122965574264526\n",
      "训练次数：6723，Loss：1.376266360282898\n",
      "训练次数：6724，Loss：1.1844940185546875\n",
      "训练次数：6725，Loss：1.0024811029434204\n",
      "训练次数：6726，Loss：1.2539622783660889\n",
      "训练次数：6727，Loss：1.234609603881836\n",
      "训练次数：6728，Loss：1.2726595401763916\n",
      "训练次数：6729，Loss：1.0935847759246826\n",
      "训练次数：6730，Loss：1.241913080215454\n",
      "训练次数：6731，Loss：0.9727678894996643\n",
      "训练次数：6732，Loss：1.3357852697372437\n",
      "训练次数：6733，Loss：1.2558786869049072\n",
      "训练次数：6734，Loss：1.10507333278656\n",
      "训练次数：6735，Loss：1.1945477724075317\n",
      "训练次数：6736，Loss：1.3192394971847534\n",
      "训练次数：6737，Loss：1.4278390407562256\n",
      "训练次数：6738，Loss：1.2934060096740723\n",
      "训练次数：6739，Loss：1.2381274700164795\n",
      "训练次数：6740，Loss：0.9389069676399231\n",
      "训练次数：6741，Loss：1.1900761127471924\n",
      "训练次数：6742，Loss：1.051582932472229\n",
      "训练次数：6743，Loss：1.2676780223846436\n",
      "训练次数：6744，Loss：1.3531430959701538\n",
      "训练次数：6745，Loss：1.1899937391281128\n",
      "训练次数：6746，Loss：1.0033931732177734\n",
      "训练次数：6747，Loss：1.5023781061172485\n",
      "训练次数：6748，Loss：1.2479716539382935\n",
      "训练次数：6749，Loss：1.1770864725112915\n",
      "训练次数：6750，Loss：1.0666673183441162\n",
      "训练次数：6751，Loss：1.2813440561294556\n",
      "训练次数：6752，Loss：1.3683127164840698\n",
      "训练次数：6753，Loss：1.1197031736373901\n",
      "训练次数：6754，Loss：1.2248375415802002\n",
      "训练次数：6755，Loss：1.4393081665039062\n",
      "训练次数：6756，Loss：1.1203402280807495\n",
      "训练次数：6757，Loss：1.3136078119277954\n",
      "训练次数：6758，Loss：1.2076001167297363\n",
      "训练次数：6759，Loss：1.1349833011627197\n",
      "训练次数：6760，Loss：1.3545736074447632\n",
      "训练次数：6761，Loss：1.3821721076965332\n",
      "训练次数：6762，Loss：1.3339425325393677\n",
      "训练次数：6763，Loss：1.2015787363052368\n",
      "训练次数：6764，Loss：1.2616503238677979\n",
      "训练次数：6765，Loss：1.1818840503692627\n",
      "训练次数：6766，Loss：1.3340615034103394\n",
      "训练次数：6767，Loss：1.2385993003845215\n",
      "训练次数：6768，Loss：1.2537282705307007\n",
      "训练次数：6769，Loss：1.2925912141799927\n",
      "训练次数：6770，Loss：1.276673436164856\n",
      "训练次数：6771，Loss：1.4393080472946167\n",
      "训练次数：6772，Loss：1.1700910329818726\n",
      "训练次数：6773，Loss：1.4795560836791992\n",
      "训练次数：6774，Loss：1.1002470254898071\n",
      "训练次数：6775，Loss：1.10591721534729\n",
      "训练次数：6776，Loss：1.1971687078475952\n",
      "训练次数：6777，Loss：1.4776619672775269\n",
      "训练次数：6778，Loss：1.3641486167907715\n",
      "训练次数：6779，Loss：1.195638656616211\n",
      "训练次数：6780，Loss：1.3487975597381592\n",
      "训练次数：6781，Loss：1.2590079307556152\n",
      "训练次数：6782，Loss：1.469014048576355\n",
      "训练次数：6783，Loss：1.2818280458450317\n",
      "训练次数：6784，Loss：1.0951305627822876\n",
      "训练次数：6785，Loss：1.2751532793045044\n",
      "训练次数：6786，Loss：1.4275555610656738\n",
      "训练次数：6787，Loss：1.2170668840408325\n",
      "训练次数：6788，Loss：1.3647671937942505\n",
      "训练次数：6789，Loss：1.1361123323440552\n",
      "训练次数：6790，Loss：0.995699405670166\n",
      "训练次数：6791，Loss：1.219935417175293\n",
      "训练次数：6792，Loss：0.9714670777320862\n",
      "训练次数：6793，Loss：1.2165333032608032\n",
      "训练次数：6794，Loss：1.3311593532562256\n",
      "训练次数：6795，Loss：1.2855738401412964\n",
      "训练次数：6796，Loss：1.1664570569992065\n",
      "训练次数：6797，Loss：1.1635347604751587\n",
      "训练次数：6798，Loss：1.2301839590072632\n",
      "训练次数：6799，Loss：1.195947289466858\n",
      "训练次数：6800，Loss：1.1711140871047974\n",
      "训练次数：6801，Loss：1.140554666519165\n",
      "训练次数：6802，Loss：1.1732356548309326\n",
      "训练次数：6803，Loss：1.2793269157409668\n",
      "训练次数：6804，Loss：1.216897964477539\n",
      "训练次数：6805，Loss：1.1441235542297363\n",
      "训练次数：6806，Loss：1.4417672157287598\n",
      "训练次数：6807，Loss：1.2124956846237183\n",
      "训练次数：6808，Loss：1.5008553266525269\n",
      "训练次数：6809，Loss：1.145579218864441\n",
      "训练次数：6810，Loss：1.32234525680542\n",
      "训练次数：6811，Loss：1.0006589889526367\n",
      "训练次数：6812，Loss：1.1607939004898071\n",
      "训练次数：6813，Loss：1.356899380683899\n",
      "训练次数：6814，Loss：1.2299059629440308\n",
      "训练次数：6815，Loss：1.1251534223556519\n",
      "训练次数：6816，Loss：1.2986204624176025\n",
      "训练次数：6817，Loss：1.1864055395126343\n",
      "训练次数：6818，Loss：1.30933678150177\n",
      "训练次数：6819，Loss：1.3964346647262573\n",
      "训练次数：6820，Loss：1.0702342987060547\n",
      "训练次数：6821，Loss：1.2999768257141113\n",
      "训练次数：6822，Loss：1.395885944366455\n",
      "训练次数：6823，Loss：1.0918296575546265\n",
      "训练次数：6824，Loss：1.1401578187942505\n",
      "训练次数：6825，Loss：1.2042335271835327\n",
      "训练次数：6826，Loss：1.060258150100708\n",
      "训练次数：6827，Loss：1.0980249643325806\n",
      "训练次数：6828，Loss：1.1897751092910767\n",
      "训练次数：6829，Loss：1.143420696258545\n",
      "训练次数：6830，Loss：1.3356540203094482\n",
      "训练次数：6831，Loss：1.1332435607910156\n",
      "训练次数：6832，Loss：1.1316319704055786\n",
      "训练次数：6833，Loss：1.2207037210464478\n",
      "训练次数：6834，Loss：1.7260022163391113\n",
      "训练次数：6835，Loss：1.1333402395248413\n",
      "训练次数：6836，Loss：1.1660884618759155\n",
      "训练次数：6837，Loss：1.2508163452148438\n",
      "训练次数：6838，Loss：1.2653926610946655\n",
      "训练次数：6839，Loss：1.1233248710632324\n",
      "训练次数：6840，Loss：1.3753782510757446\n",
      "训练次数：6841，Loss：1.1694010496139526\n",
      "训练次数：6842，Loss：1.2030611038208008\n",
      "训练次数：6843，Loss：1.264599084854126\n",
      "训练次数：6844，Loss：1.0075081586837769\n",
      "训练次数：6845，Loss：1.3958994150161743\n",
      "训练次数：6846，Loss：1.317339539527893\n",
      "训练次数：6847，Loss：1.3064013719558716\n",
      "训练次数：6848，Loss：1.0278112888336182\n",
      "训练次数：6849，Loss：1.3650140762329102\n",
      "训练次数：6850，Loss：1.3302773237228394\n",
      "训练次数：6851，Loss：1.35094153881073\n",
      "训练次数：6852，Loss：1.317969560623169\n",
      "训练次数：6853，Loss：1.1288551092147827\n",
      "训练次数：6854，Loss：1.1709946393966675\n",
      "训练次数：6855，Loss：1.3880776166915894\n",
      "训练次数：6856，Loss：1.253475308418274\n",
      "训练次数：6857，Loss：1.2713388204574585\n",
      "训练次数：6858，Loss：1.0339552164077759\n",
      "训练次数：6859，Loss：0.8795831203460693\n",
      "训练次数：6860，Loss：1.452396273612976\n",
      "训练次数：6861，Loss：1.2794779539108276\n",
      "训练次数：6862，Loss：0.9903095960617065\n",
      "训练次数：6863，Loss：0.876396656036377\n",
      "训练次数：6864，Loss：1.0619763135910034\n",
      "训练次数：6865，Loss：1.130730390548706\n",
      "训练次数：6866，Loss：1.3275879621505737\n",
      "训练次数：6867，Loss：1.214106798171997\n",
      "训练次数：6868，Loss：1.26493239402771\n",
      "训练次数：6869，Loss：1.4450510740280151\n",
      "训练次数：6870，Loss：0.9826539158821106\n",
      "训练次数：6871，Loss：1.166031002998352\n",
      "训练次数：6872，Loss：1.1719934940338135\n",
      "训练次数：6873，Loss：1.177450180053711\n",
      "训练次数：6874，Loss：1.1005911827087402\n",
      "训练次数：6875，Loss：1.2694700956344604\n",
      "训练次数：6876，Loss：1.555468201637268\n",
      "训练次数：6877，Loss：1.2285652160644531\n",
      "训练次数：6878，Loss：1.3976569175720215\n",
      "训练次数：6879，Loss：1.128511905670166\n",
      "训练次数：6880，Loss：1.0365231037139893\n",
      "训练次数：6881，Loss：1.1358925104141235\n",
      "训练次数：6882，Loss：1.0209797620773315\n",
      "训练次数：6883，Loss：1.116506814956665\n",
      "训练次数：6884，Loss：1.4455296993255615\n",
      "训练次数：6885，Loss：1.3166468143463135\n",
      "训练次数：6886，Loss：1.064881443977356\n",
      "训练次数：6887，Loss：1.1648186445236206\n",
      "训练次数：6888，Loss：1.301059365272522\n",
      "训练次数：6889，Loss：1.3142595291137695\n",
      "训练次数：6890，Loss：1.0023598670959473\n",
      "训练次数：6891，Loss：1.221750259399414\n",
      "训练次数：6892，Loss：0.96116042137146\n",
      "训练次数：6893，Loss：1.1220694780349731\n",
      "训练次数：6894，Loss：1.2530862092971802\n",
      "训练次数：6895，Loss：1.2862350940704346\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：6896，Loss：1.4028249979019165\n",
      "训练次数：6897，Loss：1.2362127304077148\n",
      "训练次数：6898，Loss：1.4041287899017334\n",
      "训练次数：6899，Loss：1.2618910074234009\n",
      "训练次数：6900，Loss：1.0788145065307617\n",
      "训练次数：6901，Loss：1.146254301071167\n",
      "训练次数：6902，Loss：1.4439451694488525\n",
      "训练次数：6903，Loss：1.1919409036636353\n",
      "训练次数：6904，Loss：1.1102317571640015\n",
      "训练次数：6905，Loss：1.2769536972045898\n",
      "训练次数：6906，Loss：1.5264108180999756\n",
      "训练次数：6907，Loss：1.0986322164535522\n",
      "训练次数：6908，Loss：1.2690743207931519\n",
      "训练次数：6909，Loss：0.9591896533966064\n",
      "训练次数：6910，Loss：1.044292688369751\n",
      "训练次数：6911，Loss：1.361580729484558\n",
      "训练次数：6912，Loss：1.2645481824874878\n",
      "训练次数：6913，Loss：1.251396656036377\n",
      "训练次数：6914，Loss：1.1170092821121216\n",
      "训练次数：6915，Loss：1.4838526248931885\n",
      "训练次数：6916，Loss：1.1225017309188843\n",
      "训练次数：6917，Loss：1.0455851554870605\n",
      "训练次数：6918，Loss：0.9324199557304382\n",
      "训练次数：6919，Loss：1.025920033454895\n",
      "训练次数：6920，Loss：1.1397885084152222\n",
      "训练次数：6921，Loss：1.44634211063385\n",
      "训练次数：6922，Loss：1.5400880575180054\n",
      "训练次数：6923，Loss：1.0565968751907349\n",
      "训练次数：6924，Loss：1.2966909408569336\n",
      "训练次数：6925，Loss：1.1080540418624878\n",
      "训练次数：6926，Loss：1.188190221786499\n",
      "训练次数：6927，Loss：1.2676140069961548\n",
      "训练次数：6928，Loss：1.1767982244491577\n",
      "训练次数：6929，Loss：1.197134256362915\n",
      "训练次数：6930，Loss：1.114045262336731\n",
      "训练次数：6931，Loss：1.1874669790267944\n",
      "训练次数：6932，Loss：1.4436887502670288\n",
      "训练次数：6933，Loss：1.4556007385253906\n",
      "训练次数：6934，Loss：1.0481966733932495\n",
      "训练次数：6935，Loss：1.2499250173568726\n",
      "训练次数：6936，Loss：1.2792675495147705\n",
      "训练次数：6937，Loss：1.2993465662002563\n",
      "训练次数：6938，Loss：1.0011451244354248\n",
      "训练次数：6939，Loss：0.9991597533226013\n",
      "训练次数：6940，Loss：1.2167450189590454\n",
      "训练次数：6941，Loss：1.2615565061569214\n",
      "训练次数：6942，Loss：1.6074954271316528\n",
      "训练次数：6943，Loss：1.0998170375823975\n",
      "训练次数：6944，Loss：1.0898945331573486\n",
      "训练次数：6945，Loss：1.229805827140808\n",
      "训练次数：6946，Loss：1.2967662811279297\n",
      "训练次数：6947，Loss：1.2468194961547852\n",
      "训练次数：6948，Loss：1.2521263360977173\n",
      "训练次数：6949，Loss：1.4703510999679565\n",
      "训练次数：6950，Loss：1.2569607496261597\n",
      "训练次数：6951，Loss：1.2753498554229736\n",
      "训练次数：6952，Loss：1.1706546545028687\n",
      "训练次数：6953，Loss：1.258988618850708\n",
      "训练次数：6954，Loss：1.170473575592041\n",
      "训练次数：6955，Loss：1.0275717973709106\n",
      "训练次数：6956，Loss：1.3701608180999756\n",
      "训练次数：6957，Loss：1.3400274515151978\n",
      "训练次数：6958，Loss：1.206323504447937\n",
      "训练次数：6959，Loss：1.2117335796356201\n",
      "训练次数：6960，Loss：0.9267127513885498\n",
      "训练次数：6961，Loss：1.3232972621917725\n",
      "训练次数：6962，Loss：1.1606448888778687\n",
      "训练次数：6963，Loss：1.4111791849136353\n",
      "训练次数：6964，Loss：1.2614802122116089\n",
      "训练次数：6965，Loss：0.9870050549507141\n",
      "训练次数：6966，Loss：0.8669910430908203\n",
      "训练次数：6967，Loss：1.2079253196716309\n",
      "训练次数：6968，Loss：0.986018717288971\n",
      "训练次数：6969，Loss：1.176898717880249\n",
      "训练次数：6970，Loss：1.2735310792922974\n",
      "训练次数：6971，Loss：1.202102780342102\n",
      "训练次数：6972，Loss：1.1364943981170654\n",
      "训练次数：6973，Loss：1.0875262022018433\n",
      "训练次数：6974，Loss：1.084165096282959\n",
      "训练次数：6975，Loss：1.127097725868225\n",
      "训练次数：6976，Loss：1.2758623361587524\n",
      "训练次数：6977，Loss：1.1450085639953613\n",
      "训练次数：6978，Loss：1.218327283859253\n",
      "训练次数：6979，Loss：1.031657099723816\n",
      "训练次数：6980，Loss：1.408781886100769\n",
      "训练次数：6981，Loss：1.2415931224822998\n",
      "训练次数：6982，Loss：1.064926266670227\n",
      "训练次数：6983，Loss：1.3681524991989136\n",
      "训练次数：6984，Loss：1.4190696477890015\n",
      "训练次数：6985，Loss：1.1693633794784546\n",
      "训练次数：6986，Loss：1.1838523149490356\n",
      "训练次数：6987，Loss：1.022715449333191\n",
      "训练次数：6988，Loss：0.9956618547439575\n",
      "训练次数：6989，Loss：1.1701449155807495\n",
      "训练次数：6990，Loss：1.1181646585464478\n",
      "训练次数：6991，Loss：1.2045398950576782\n",
      "训练次数：6992，Loss：1.2143696546554565\n",
      "训练次数：6993，Loss：1.0036194324493408\n",
      "训练次数：6994，Loss：1.1754021644592285\n",
      "训练次数：6995，Loss：1.1188178062438965\n",
      "训练次数：6996，Loss：0.9313527941703796\n",
      "训练次数：6997，Loss：1.3753998279571533\n",
      "训练次数：6998，Loss：1.1940702199935913\n",
      "训练次数：6999，Loss：1.4700698852539062\n",
      "训练次数：7000，Loss：0.9431073069572449\n",
      "训练次数：7001，Loss：1.0730880498886108\n",
      "训练次数：7002，Loss：1.2764620780944824\n",
      "训练次数：7003，Loss：1.0674430131912231\n",
      "训练次数：7004，Loss：1.3444726467132568\n",
      "训练次数：7005，Loss：1.2888661623001099\n",
      "训练次数：7006，Loss：1.089991807937622\n",
      "训练次数：7007，Loss：1.5296058654785156\n",
      "训练次数：7008，Loss：1.184384822845459\n",
      "训练次数：7009，Loss：1.2074521780014038\n",
      "训练次数：7010，Loss：1.2262376546859741\n",
      "训练次数：7011，Loss：1.1857777833938599\n",
      "训练次数：7012，Loss：1.1950936317443848\n",
      "训练次数：7013，Loss：1.1648050546646118\n",
      "训练次数：7014，Loss：1.1592093706130981\n",
      "训练次数：7015，Loss：1.3247431516647339\n",
      "训练次数：7016，Loss：1.0951353311538696\n",
      "训练次数：7017，Loss：1.163569688796997\n",
      "训练次数：7018，Loss：1.3058210611343384\n",
      "训练次数：7019，Loss：1.123475432395935\n",
      "训练次数：7020，Loss：1.1349892616271973\n",
      "训练次数：7021，Loss：1.0869029760360718\n",
      "训练次数：7022，Loss：1.3324534893035889\n",
      "训练次数：7023，Loss：1.0140154361724854\n",
      "训练次数：7024，Loss：1.2713361978530884\n",
      "训练次数：7025，Loss：0.9412238597869873\n",
      "训练次数：7026，Loss：1.0505304336547852\n",
      "训练次数：7027，Loss：1.2935004234313965\n",
      "训练次数：7028，Loss：1.243054747581482\n",
      "训练次数：7029，Loss：1.2915037870407104\n",
      "训练次数：7030，Loss：1.009896159172058\n",
      "训练次数：7031，Loss：1.1949687004089355\n",
      "训练次数：7032，Loss：1.0741409063339233\n",
      "训练次数：7033，Loss：1.358542799949646\n",
      "训练次数：7034，Loss：1.084890604019165\n",
      "训练次数：7035，Loss：1.0351139307022095\n",
      "训练次数：7036，Loss：1.0526344776153564\n",
      "训练次数：7037，Loss：1.2817728519439697\n",
      "训练次数：7038，Loss：1.6561686992645264\n",
      "-----第 10 轮训练开始-----\n",
      "训练次数：7039，Loss：1.2101346254348755\n",
      "训练次数：7040，Loss：1.0879660844802856\n",
      "训练次数：7041，Loss：1.4072219133377075\n",
      "训练次数：7042，Loss：0.988473653793335\n",
      "训练次数：7043，Loss：1.2072030305862427\n",
      "训练次数：7044，Loss：1.1784943342208862\n",
      "训练次数：7045，Loss：1.1571710109710693\n",
      "训练次数：7046，Loss：1.1875680685043335\n",
      "训练次数：7047，Loss：1.0703520774841309\n",
      "训练次数：7048，Loss：1.3633220195770264\n",
      "训练次数：7049，Loss：1.249325156211853\n",
      "训练次数：7050，Loss：1.3282175064086914\n",
      "训练次数：7051，Loss：1.2945159673690796\n",
      "训练次数：7052，Loss：1.4166661500930786\n",
      "训练次数：7053，Loss：1.12373948097229\n",
      "训练次数：7054，Loss：0.9889822006225586\n",
      "训练次数：7055，Loss：1.1523319482803345\n",
      "训练次数：7056，Loss：1.0587164163589478\n",
      "训练次数：7057，Loss：1.1582307815551758\n",
      "训练次数：7058，Loss：1.07890784740448\n",
      "训练次数：7059，Loss：1.4236547946929932\n",
      "训练次数：7060，Loss：1.1530241966247559\n",
      "训练次数：7061，Loss：1.1801295280456543\n",
      "训练次数：7062，Loss：1.2614960670471191\n",
      "训练次数：7063，Loss：1.2374759912490845\n",
      "训练次数：7064，Loss：1.1087677478790283\n",
      "训练次数：7065，Loss：1.215999722480774\n",
      "训练次数：7066，Loss：1.116882085800171\n",
      "训练次数：7067，Loss：0.9506407380104065\n",
      "训练次数：7068，Loss：0.9542473554611206\n",
      "训练次数：7069，Loss：1.3325636386871338\n",
      "训练次数：7070，Loss：1.3082419633865356\n",
      "训练次数：7071，Loss：1.0146695375442505\n",
      "训练次数：7072，Loss：1.0142550468444824\n",
      "训练次数：7073，Loss：1.20704984664917\n",
      "训练次数：7074，Loss：1.0652742385864258\n",
      "训练次数：7075，Loss：1.1365982294082642\n",
      "训练次数：7076，Loss：1.2670575380325317\n",
      "训练次数：7077，Loss：1.0485637187957764\n",
      "训练次数：7078，Loss：1.4192150831222534\n",
      "训练次数：7079，Loss：1.1710996627807617\n",
      "训练次数：7080，Loss：0.8799397945404053\n",
      "训练次数：7081，Loss：1.3492045402526855\n",
      "训练次数：7082，Loss：1.3872289657592773\n",
      "训练次数：7083，Loss：0.9535062909126282\n",
      "训练次数：7084，Loss：1.1756056547164917\n",
      "训练次数：7085，Loss：1.305716633796692\n",
      "训练次数：7086，Loss：1.4691386222839355\n",
      "训练次数：7087，Loss：1.1430631875991821\n",
      "训练次数：7088，Loss：1.3419992923736572\n",
      "训练次数：7089，Loss：1.0899693965911865\n",
      "训练次数：7090，Loss：1.2813920974731445\n",
      "训练次数：7091，Loss：1.2379341125488281\n",
      "训练次数：7092，Loss：1.2457185983657837\n",
      "训练次数：7093，Loss：1.0966973304748535\n",
      "训练次数：7094，Loss：1.0787568092346191\n",
      "训练次数：7095，Loss：1.2263127565383911\n",
      "训练次数：7096，Loss：1.0402512550354004\n",
      "训练次数：7097，Loss：0.964027464389801\n",
      "训练次数：7098，Loss：1.0824329853057861\n",
      "训练次数：7099，Loss：1.1517342329025269\n",
      "训练次数：7100，Loss：1.2940009832382202\n",
      "训练次数：7101，Loss：1.2383317947387695\n",
      "训练次数：7102，Loss：1.2679287195205688\n",
      "训练次数：7103，Loss：1.2825665473937988\n",
      "训练次数：7104，Loss：1.1387289762496948\n",
      "训练次数：7105，Loss：1.045372724533081\n",
      "训练次数：7106，Loss：1.2125455141067505\n",
      "训练次数：7107，Loss：1.0348531007766724\n",
      "训练次数：7108，Loss：1.0741686820983887\n",
      "训练次数：7109，Loss：1.3673394918441772\n",
      "训练次数：7110，Loss：1.0293852090835571\n",
      "训练次数：7111，Loss：1.1855264902114868\n",
      "训练次数：7112，Loss：1.137157917022705\n",
      "训练次数：7113，Loss：1.3154678344726562\n",
      "训练次数：7114，Loss：1.356062412261963\n",
      "训练次数：7115，Loss：1.20728600025177\n",
      "训练次数：7116，Loss：1.3458874225616455\n",
      "训练次数：7117，Loss：1.1211268901824951\n",
      "训练次数：7118，Loss：1.4261198043823242\n",
      "训练次数：7119，Loss：1.4128526449203491\n",
      "训练次数：7120，Loss：1.037298560142517\n",
      "训练次数：7121，Loss：1.3942046165466309\n",
      "训练次数：7122，Loss：1.175344467163086\n",
      "训练次数：7123，Loss：1.304173469543457\n",
      "训练次数：7124，Loss：1.183608055114746\n",
      "训练次数：7125，Loss：1.1356960535049438\n",
      "训练次数：7126，Loss：0.9882262945175171\n",
      "训练次数：7127，Loss：1.2372184991836548\n",
      "训练次数：7128，Loss：1.1777989864349365\n",
      "训练次数：7129，Loss：1.1740714311599731\n",
      "训练次数：7130，Loss：1.2763859033584595\n",
      "训练次数：7131，Loss：0.9444755911827087\n",
      "训练次数：7132，Loss：1.114796757698059\n",
      "训练次数：7133，Loss：1.1421982049942017\n",
      "训练次数：7134，Loss：1.3911648988723755\n",
      "训练次数：7135，Loss：0.9527820944786072\n",
      "训练次数：7136，Loss：1.3165276050567627\n",
      "训练次数：7137，Loss：1.0227351188659668\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：7138，Loss：1.1013933420181274\n",
      "训练次数：7139，Loss：1.1998023986816406\n",
      "训练次数：7140，Loss：1.071320652961731\n",
      "训练次数：7141，Loss：1.1571239233016968\n",
      "训练次数：7142，Loss：1.3350943326950073\n",
      "训练次数：7143，Loss：1.2554399967193604\n",
      "训练次数：7144，Loss：1.0669255256652832\n",
      "训练次数：7145，Loss：1.0959017276763916\n",
      "训练次数：7146，Loss：1.3813321590423584\n",
      "训练次数：7147，Loss：1.0771737098693848\n",
      "训练次数：7148，Loss：1.0383307933807373\n",
      "训练次数：7149，Loss：1.2831860780715942\n",
      "训练次数：7150，Loss：1.1238858699798584\n",
      "训练次数：7151，Loss：1.161734700202942\n",
      "训练次数：7152，Loss：0.9650452733039856\n",
      "训练次数：7153，Loss：1.0179015398025513\n",
      "训练次数：7154，Loss：1.4249742031097412\n",
      "训练次数：7155，Loss：1.1137737035751343\n",
      "训练次数：7156，Loss：1.118306279182434\n",
      "训练次数：7157，Loss：1.264265775680542\n",
      "训练次数：7158，Loss：1.1754578351974487\n",
      "训练次数：7159，Loss：1.2253607511520386\n",
      "训练次数：7160，Loss：1.2390676736831665\n",
      "训练次数：7161，Loss：1.1847374439239502\n",
      "训练次数：7162，Loss：1.1840553283691406\n",
      "训练次数：7163，Loss：1.2271808385849\n",
      "训练次数：7164，Loss：1.0481212139129639\n",
      "训练次数：7165，Loss：1.2289668321609497\n",
      "训练次数：7166，Loss：1.05989670753479\n",
      "训练次数：7167，Loss：1.2620729207992554\n",
      "训练次数：7168，Loss：1.0232818126678467\n",
      "训练次数：7169，Loss：1.0707147121429443\n",
      "训练次数：7170，Loss：1.0287038087844849\n",
      "训练次数：7171，Loss：1.4297206401824951\n",
      "训练次数：7172，Loss：1.0087721347808838\n",
      "训练次数：7173，Loss：1.1187827587127686\n",
      "训练次数：7174，Loss：1.1376268863677979\n",
      "训练次数：7175，Loss：1.299757480621338\n",
      "训练次数：7176，Loss：1.2928497791290283\n",
      "训练次数：7177，Loss：0.9176623225212097\n",
      "训练次数：7178，Loss：1.395740270614624\n",
      "训练次数：7179，Loss：1.4610081911087036\n",
      "训练次数：7180，Loss：1.2074092626571655\n",
      "训练次数：7181，Loss：1.1396459341049194\n",
      "训练次数：7182，Loss：1.1412667036056519\n",
      "训练次数：7183，Loss：0.9947893023490906\n",
      "训练次数：7184，Loss：1.1464282274246216\n",
      "训练次数：7185，Loss：1.1493736505508423\n",
      "训练次数：7186，Loss：1.2359555959701538\n",
      "训练次数：7187，Loss：1.0199353694915771\n",
      "训练次数：7188，Loss：1.1086763143539429\n",
      "训练次数：7189，Loss：1.1133449077606201\n",
      "训练次数：7190，Loss：1.1663753986358643\n",
      "训练次数：7191，Loss：1.2210206985473633\n",
      "训练次数：7192，Loss：1.0683212280273438\n",
      "训练次数：7193，Loss：1.1300081014633179\n",
      "训练次数：7194，Loss：1.2116769552230835\n",
      "训练次数：7195，Loss：1.2049146890640259\n",
      "训练次数：7196，Loss：1.0173839330673218\n",
      "训练次数：7197，Loss：1.2339365482330322\n",
      "训练次数：7198，Loss：1.3988659381866455\n",
      "训练次数：7199，Loss：1.1572883129119873\n",
      "训练次数：7200，Loss：1.002274751663208\n",
      "训练次数：7201，Loss：1.4258382320404053\n",
      "训练次数：7202，Loss：1.4537973403930664\n",
      "训练次数：7203，Loss：1.2027044296264648\n",
      "训练次数：7204，Loss：1.438988447189331\n",
      "训练次数：7205，Loss：1.0954025983810425\n",
      "训练次数：7206，Loss：1.1351901292800903\n",
      "训练次数：7207，Loss：1.1271955966949463\n",
      "训练次数：7208，Loss：1.1365374326705933\n",
      "训练次数：7209，Loss：1.374292016029358\n",
      "训练次数：7210，Loss：1.1115400791168213\n",
      "训练次数：7211，Loss：1.2158801555633545\n",
      "训练次数：7212，Loss：1.525593638420105\n",
      "训练次数：7213，Loss：1.007583737373352\n",
      "训练次数：7214，Loss：1.2070139646530151\n",
      "训练次数：7215，Loss：1.1195164918899536\n",
      "训练次数：7216，Loss：1.1952345371246338\n",
      "训练次数：7217，Loss：1.2916041612625122\n",
      "训练次数：7218，Loss：1.1773444414138794\n",
      "训练次数：7219，Loss：1.0544686317443848\n",
      "训练次数：7220，Loss：1.1346378326416016\n",
      "训练次数：7221，Loss：1.1264504194259644\n",
      "训练次数：7222，Loss：1.242081642150879\n",
      "训练次数：7223，Loss：1.4088187217712402\n",
      "训练次数：7224，Loss：1.2099467515945435\n",
      "训练次数：7225，Loss：1.244940996170044\n",
      "训练次数：7226，Loss：1.1807515621185303\n",
      "训练次数：7227，Loss：1.240011215209961\n",
      "训练次数：7228，Loss：1.2350037097930908\n",
      "训练次数：7229，Loss：1.0007519721984863\n",
      "训练次数：7230，Loss：1.2737648487091064\n",
      "训练次数：7231，Loss：1.4912903308868408\n",
      "训练次数：7232，Loss：1.0759588479995728\n",
      "训练次数：7233，Loss：1.1283060312271118\n",
      "训练次数：7234，Loss：1.283384084701538\n",
      "训练次数：7235，Loss：1.2400577068328857\n",
      "训练次数：7236，Loss：1.4984843730926514\n",
      "训练次数：7237，Loss：1.2812248468399048\n",
      "训练次数：7238，Loss：1.13428795337677\n",
      "训练次数：7239，Loss：1.0435377359390259\n",
      "训练次数：7240，Loss：1.2813162803649902\n",
      "训练次数：7241，Loss：1.2381305694580078\n",
      "训练次数：7242，Loss：1.2165377140045166\n",
      "训练次数：7243，Loss：1.2545613050460815\n",
      "训练次数：7244，Loss：1.2608457803726196\n",
      "训练次数：7245，Loss：1.0888680219650269\n",
      "训练次数：7246，Loss：1.231505274772644\n",
      "训练次数：7247，Loss：1.036834955215454\n",
      "训练次数：7248，Loss：1.4631736278533936\n",
      "训练次数：7249，Loss：0.9689653515815735\n",
      "训练次数：7250，Loss：1.1165916919708252\n",
      "训练次数：7251，Loss：1.0563801527023315\n",
      "训练次数：7252，Loss：1.253915786743164\n",
      "训练次数：7253，Loss：1.3714933395385742\n",
      "训练次数：7254，Loss：1.2452422380447388\n",
      "训练次数：7255，Loss：1.0382394790649414\n",
      "训练次数：7256，Loss：1.198994755744934\n",
      "训练次数：7257，Loss：1.0315862894058228\n",
      "训练次数：7258，Loss：1.1961250305175781\n",
      "训练次数：7259，Loss：1.1792982816696167\n",
      "训练次数：7260，Loss：1.327828049659729\n",
      "训练次数：7261，Loss：1.219596028327942\n",
      "训练次数：7262，Loss：1.3119797706604004\n",
      "训练次数：7263，Loss：1.2320082187652588\n",
      "训练次数：7264，Loss：1.0602670907974243\n",
      "训练次数：7265，Loss：1.1932042837142944\n",
      "训练次数：7266，Loss：0.9761356711387634\n",
      "训练次数：7267，Loss：1.2357479333877563\n",
      "训练次数：7268，Loss：1.382576584815979\n",
      "训练次数：7269，Loss：1.131104588508606\n",
      "训练次数：7270，Loss：1.1890956163406372\n",
      "训练次数：7271，Loss：1.1494824886322021\n",
      "训练次数：7272，Loss：1.3645445108413696\n",
      "训练次数：7273，Loss：1.2150485515594482\n",
      "训练次数：7274，Loss：1.2347407341003418\n",
      "训练次数：7275，Loss：1.225721001625061\n",
      "训练次数：7276，Loss：1.2225085496902466\n",
      "训练次数：7277，Loss：1.0923006534576416\n",
      "训练次数：7278，Loss：1.0960839986801147\n",
      "训练次数：7279，Loss：1.2465769052505493\n",
      "训练次数：7280，Loss：1.1678968667984009\n",
      "训练次数：7281，Loss：1.043860912322998\n",
      "训练次数：7282，Loss：1.5182503461837769\n",
      "训练次数：7283，Loss：1.1389540433883667\n",
      "训练次数：7284，Loss：1.352528691291809\n",
      "训练次数：7285，Loss：1.0674693584442139\n",
      "训练次数：7286，Loss：1.2384707927703857\n",
      "训练次数：7287，Loss：1.2688814401626587\n",
      "训练次数：7288，Loss：1.4847339391708374\n",
      "训练次数：7289，Loss：1.1757593154907227\n",
      "训练次数：7290，Loss：1.2748581171035767\n",
      "训练次数：7291，Loss：1.2713027000427246\n",
      "训练次数：7292，Loss：1.139172911643982\n",
      "训练次数：7293，Loss：1.2308024168014526\n",
      "训练次数：7294，Loss：1.0435237884521484\n",
      "训练次数：7295，Loss：1.1802713871002197\n",
      "训练次数：7296，Loss：1.0177335739135742\n",
      "训练次数：7297，Loss：1.2880324125289917\n",
      "训练次数：7298，Loss：1.1807482242584229\n",
      "训练次数：7299，Loss：1.181679129600525\n",
      "训练次数：7300，Loss：1.1397346258163452\n",
      "训练次数：7301，Loss：1.2093236446380615\n",
      "训练次数：7302，Loss：1.313573956489563\n",
      "训练次数：7303，Loss：1.0106618404388428\n",
      "训练次数：7304，Loss：1.1139642000198364\n",
      "训练次数：7305，Loss：1.1416230201721191\n",
      "训练次数：7306，Loss：1.145173192024231\n",
      "训练次数：7307，Loss：0.935953676700592\n",
      "训练次数：7308，Loss：1.1945044994354248\n",
      "训练次数：7309，Loss：1.234289526939392\n",
      "训练次数：7310，Loss：1.0317500829696655\n",
      "训练次数：7311，Loss：1.0962464809417725\n",
      "训练次数：7312，Loss：1.2421716451644897\n",
      "训练次数：7313，Loss：1.1093474626541138\n",
      "训练次数：7314，Loss：1.0255765914916992\n",
      "训练次数：7315，Loss：1.5127239227294922\n",
      "训练次数：7316，Loss：1.276092767715454\n",
      "训练次数：7317，Loss：1.2763808965682983\n",
      "训练次数：7318，Loss：1.0360957384109497\n",
      "训练次数：7319，Loss：1.0578091144561768\n",
      "训练次数：7320，Loss：1.2631189823150635\n",
      "训练次数：7321，Loss：0.9665669202804565\n",
      "训练次数：7322，Loss：1.357576608657837\n",
      "训练次数：7323，Loss：1.2260820865631104\n",
      "训练次数：7324，Loss：1.159678339958191\n",
      "训练次数：7325，Loss：1.061914324760437\n",
      "训练次数：7326，Loss：1.1445223093032837\n",
      "训练次数：7327，Loss：1.313610553741455\n",
      "训练次数：7328，Loss：1.3589320182800293\n",
      "训练次数：7329，Loss：1.2051695585250854\n",
      "训练次数：7330，Loss：1.2832504510879517\n",
      "训练次数：7331，Loss：1.1390166282653809\n",
      "训练次数：7332，Loss：1.0942994356155396\n",
      "训练次数：7333，Loss：1.027474045753479\n",
      "训练次数：7334，Loss：1.0515224933624268\n",
      "训练次数：7335，Loss：1.2444262504577637\n",
      "训练次数：7336，Loss：1.1598011255264282\n",
      "训练次数：7337，Loss：1.126250147819519\n",
      "训练次数：7338，Loss：1.2757216691970825\n",
      "训练次数：7339，Loss：1.105833888053894\n",
      "训练次数：7340，Loss：1.0752530097961426\n",
      "训练次数：7341，Loss：1.1650158166885376\n",
      "训练次数：7342，Loss：1.0408990383148193\n",
      "训练次数：7343，Loss：1.0212398767471313\n",
      "训练次数：7344，Loss：1.5282068252563477\n",
      "训练次数：7345，Loss：1.256269097328186\n",
      "训练次数：7346，Loss：1.2522155046463013\n",
      "训练次数：7347，Loss：1.4553543329238892\n",
      "训练次数：7348，Loss：1.0481300354003906\n",
      "训练次数：7349，Loss：1.1560229063034058\n",
      "训练次数：7350，Loss：1.225255012512207\n",
      "训练次数：7351，Loss：1.2916805744171143\n",
      "训练次数：7352，Loss：1.2319436073303223\n",
      "训练次数：7353，Loss：1.1238815784454346\n",
      "训练次数：7354，Loss：1.256445050239563\n",
      "训练次数：7355，Loss：1.3014583587646484\n",
      "训练次数：7356，Loss：1.3061867952346802\n",
      "训练次数：7357，Loss：1.088268518447876\n",
      "训练次数：7358，Loss：1.231793999671936\n",
      "训练次数：7359，Loss：1.3294594287872314\n",
      "训练次数：7360，Loss：1.2907589673995972\n",
      "训练次数：7361，Loss：1.1943222284317017\n",
      "训练次数：7362，Loss：1.2796682119369507\n",
      "训练次数：7363，Loss：1.1072826385498047\n",
      "训练次数：7364，Loss：1.0608683824539185\n",
      "训练次数：7365，Loss：1.03477942943573\n",
      "训练次数：7366，Loss：1.0941457748413086\n",
      "训练次数：7367，Loss：1.1150360107421875\n",
      "训练次数：7368，Loss：1.0550559759140015\n",
      "训练次数：7369，Loss：1.1168941259384155\n",
      "训练次数：7370，Loss：1.1207866668701172\n",
      "训练次数：7371，Loss：1.2160792350769043\n",
      "训练次数：7372，Loss：1.0744214057922363\n",
      "训练次数：7373，Loss：1.1716042757034302\n",
      "训练次数：7374，Loss：1.3095366954803467\n",
      "训练次数：7375，Loss：1.1794679164886475\n",
      "训练次数：7376，Loss：0.917694091796875\n",
      "训练次数：7377，Loss：1.1111027002334595\n",
      "训练次数：7378，Loss：1.1512826681137085\n",
      "训练次数：7379，Loss：1.344084620475769\n",
      "训练次数：7380，Loss：1.2828679084777832\n",
      "训练次数：7381，Loss：1.0762722492218018\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：7382，Loss：1.0514246225357056\n",
      "训练次数：7383，Loss：1.27204430103302\n",
      "训练次数：7384，Loss：1.042044758796692\n",
      "训练次数：7385，Loss：0.9467767477035522\n",
      "训练次数：7386，Loss：1.256138563156128\n",
      "训练次数：7387，Loss：1.214543104171753\n",
      "训练次数：7388，Loss：1.2019813060760498\n",
      "训练次数：7389，Loss：1.3017457723617554\n",
      "训练次数：7390，Loss：1.337409496307373\n",
      "训练次数：7391，Loss：1.0276134014129639\n",
      "训练次数：7392，Loss：1.2362613677978516\n",
      "训练次数：7393，Loss：1.2221524715423584\n",
      "训练次数：7394，Loss：1.1240407228469849\n",
      "训练次数：7395，Loss：1.1427528858184814\n",
      "训练次数：7396，Loss：1.3022657632827759\n",
      "训练次数：7397，Loss：1.119573950767517\n",
      "训练次数：7398，Loss：1.2863969802856445\n",
      "训练次数：7399，Loss：1.1195340156555176\n",
      "训练次数：7400，Loss：0.8603094816207886\n",
      "训练次数：7401，Loss：1.1904016733169556\n",
      "训练次数：7402，Loss：1.1487611532211304\n",
      "训练次数：7403，Loss：0.8416877388954163\n",
      "训练次数：7404，Loss：1.0093176364898682\n",
      "训练次数：7405，Loss：1.4381487369537354\n",
      "训练次数：7406，Loss：1.278714656829834\n",
      "训练次数：7407，Loss：1.023921251296997\n",
      "训练次数：7408，Loss：1.1776915788650513\n",
      "训练次数：7409，Loss：0.8633643388748169\n",
      "训练次数：7410，Loss：1.1425909996032715\n",
      "训练次数：7411，Loss：0.9595798254013062\n",
      "训练次数：7412，Loss：1.094534158706665\n",
      "训练次数：7413，Loss：1.3616690635681152\n",
      "训练次数：7414，Loss：1.0896224975585938\n",
      "训练次数：7415，Loss：1.0178217887878418\n",
      "训练次数：7416，Loss：1.0722945928573608\n",
      "训练次数：7417，Loss：1.0746973752975464\n",
      "训练次数：7418，Loss：1.3829931020736694\n",
      "训练次数：7419，Loss：1.3741918802261353\n",
      "训练次数：7420，Loss：1.1292325258255005\n",
      "训练次数：7421，Loss：1.0934723615646362\n",
      "训练次数：7422，Loss：1.135867714881897\n",
      "训练次数：7423，Loss：1.034670352935791\n",
      "训练次数：7424，Loss：1.0828900337219238\n",
      "训练次数：7425，Loss：1.127180576324463\n",
      "训练次数：7426，Loss：1.3499819040298462\n",
      "训练次数：7427，Loss：1.2468926906585693\n",
      "训练次数：7428，Loss：1.0396356582641602\n",
      "训练次数：7429，Loss：1.0133846998214722\n",
      "训练次数：7430，Loss：0.8899633288383484\n",
      "训练次数：7431，Loss：1.2580317258834839\n",
      "训练次数：7432，Loss：1.3391450643539429\n",
      "训练次数：7433，Loss：1.28952157497406\n",
      "训练次数：7434，Loss：1.091691255569458\n",
      "训练次数：7435，Loss：1.1752890348434448\n",
      "训练次数：7436，Loss：1.3329154253005981\n",
      "训练次数：7437，Loss：1.138319492340088\n",
      "训练次数：7438，Loss：1.0862839221954346\n",
      "训练次数：7439，Loss：1.0719881057739258\n",
      "训练次数：7440，Loss：1.317234754562378\n",
      "训练次数：7441，Loss：1.265344262123108\n",
      "训练次数：7442，Loss：0.9776812195777893\n",
      "训练次数：7443，Loss：1.2277710437774658\n",
      "训练次数：7444，Loss：1.0369890928268433\n",
      "训练次数：7445，Loss：1.121455192565918\n",
      "训练次数：7446，Loss：0.9390354752540588\n",
      "训练次数：7447，Loss：1.1368300914764404\n",
      "训练次数：7448，Loss：0.9252861738204956\n",
      "训练次数：7449，Loss：1.4058350324630737\n",
      "训练次数：7450，Loss：1.070138692855835\n",
      "训练次数：7451，Loss：1.2478663921356201\n",
      "训练次数：7452，Loss：1.1822385787963867\n",
      "训练次数：7453，Loss：1.219973087310791\n",
      "训练次数：7454，Loss：1.1248652935028076\n",
      "训练次数：7455，Loss：1.2213335037231445\n",
      "训练次数：7456，Loss：1.1451456546783447\n",
      "训练次数：7457，Loss：1.330722451210022\n",
      "训练次数：7458，Loss：1.2774053812026978\n",
      "训练次数：7459，Loss：1.2478690147399902\n",
      "训练次数：7460，Loss：1.1438207626342773\n",
      "训练次数：7461，Loss：1.2375001907348633\n",
      "训练次数：7462，Loss：1.0653254985809326\n",
      "训练次数：7463，Loss：1.200437307357788\n",
      "训练次数：7464，Loss：1.2898550033569336\n",
      "训练次数：7465，Loss：1.150782823562622\n",
      "训练次数：7466，Loss：1.0154725313186646\n",
      "训练次数：7467，Loss：1.2296639680862427\n",
      "训练次数：7468，Loss：1.0445442199707031\n",
      "训练次数：7469，Loss：1.2356822490692139\n",
      "训练次数：7470，Loss：1.0145937204360962\n",
      "训练次数：7471，Loss：1.1768596172332764\n",
      "训练次数：7472，Loss：1.1288650035858154\n",
      "训练次数：7473，Loss：1.1893006563186646\n",
      "训练次数：7474，Loss：1.4154469966888428\n",
      "训练次数：7475，Loss：1.160462498664856\n",
      "训练次数：7476，Loss：1.0904232263565063\n",
      "训练次数：7477，Loss：1.0901098251342773\n",
      "训练次数：7478，Loss：1.1091350317001343\n",
      "训练次数：7479，Loss：1.0779260396957397\n",
      "训练次数：7480，Loss：0.9697526693344116\n",
      "训练次数：7481，Loss：1.1712290048599243\n",
      "训练次数：7482，Loss：1.0239711999893188\n",
      "训练次数：7483，Loss：1.2636146545410156\n",
      "训练次数：7484，Loss：1.2198511362075806\n",
      "训练次数：7485，Loss：1.2566410303115845\n",
      "训练次数：7486，Loss：1.146427869796753\n",
      "训练次数：7487，Loss：1.1151269674301147\n",
      "训练次数：7488，Loss：1.2673304080963135\n",
      "训练次数：7489，Loss：1.0138919353485107\n",
      "训练次数：7490，Loss：0.9309747815132141\n",
      "训练次数：7491，Loss：1.021965503692627\n",
      "训练次数：7492，Loss：1.1190911531448364\n",
      "训练次数：7493，Loss：1.1979612112045288\n",
      "训练次数：7494，Loss：1.3625012636184692\n",
      "训练次数：7495，Loss：1.3166158199310303\n",
      "训练次数：7496，Loss：0.9627528190612793\n",
      "训练次数：7497，Loss：0.912163257598877\n",
      "训练次数：7498，Loss：1.0477360486984253\n",
      "训练次数：7499，Loss：1.1558319330215454\n",
      "训练次数：7500，Loss：1.207913875579834\n",
      "训练次数：7501，Loss：0.9914115071296692\n",
      "训练次数：7502，Loss：1.2669185400009155\n",
      "训练次数：7503，Loss：1.023328185081482\n",
      "训练次数：7504，Loss：0.9502794146537781\n",
      "训练次数：7505，Loss：1.3406646251678467\n",
      "训练次数：7506，Loss：1.1204800605773926\n",
      "训练次数：7507，Loss：0.9451265931129456\n",
      "训练次数：7508，Loss：1.1895999908447266\n",
      "训练次数：7509，Loss：1.1500208377838135\n",
      "训练次数：7510，Loss：1.1907217502593994\n",
      "训练次数：7511，Loss：1.0469486713409424\n",
      "训练次数：7512，Loss：1.1477186679840088\n",
      "训练次数：7513，Loss：0.9352272152900696\n",
      "训练次数：7514，Loss：1.2896746397018433\n",
      "训练次数：7515，Loss：1.2131985425949097\n",
      "训练次数：7516，Loss：1.0231568813323975\n",
      "训练次数：7517，Loss：1.144107460975647\n",
      "训练次数：7518，Loss：1.2886701822280884\n",
      "训练次数：7519，Loss：1.3804771900177002\n",
      "训练次数：7520，Loss：1.2517287731170654\n",
      "训练次数：7521，Loss：1.1967599391937256\n",
      "训练次数：7522，Loss：0.882703423500061\n",
      "训练次数：7523，Loss：1.1743156909942627\n",
      "训练次数：7524，Loss：1.0118458271026611\n",
      "训练次数：7525，Loss：1.2218507528305054\n",
      "训练次数：7526，Loss：1.291128158569336\n",
      "训练次数：7527，Loss：1.1479369401931763\n",
      "训练次数：7528，Loss：0.9297693371772766\n",
      "训练次数：7529，Loss：1.4319725036621094\n",
      "训练次数：7530，Loss：1.1646462678909302\n",
      "训练次数：7531，Loss：1.1278009414672852\n",
      "训练次数：7532，Loss：1.0318578481674194\n",
      "训练次数：7533，Loss：1.234009861946106\n",
      "训练次数：7534，Loss：1.2946475744247437\n",
      "训练次数：7535，Loss：1.066338062286377\n",
      "训练次数：7536，Loss：1.1512377262115479\n",
      "训练次数：7537，Loss：1.3904601335525513\n",
      "训练次数：7538，Loss：1.0842190980911255\n",
      "训练次数：7539，Loss：1.2535896301269531\n",
      "训练次数：7540，Loss：1.1226277351379395\n",
      "训练次数：7541，Loss：1.0947558879852295\n",
      "训练次数：7542，Loss：1.295755386352539\n",
      "训练次数：7543，Loss：1.3096295595169067\n",
      "训练次数：7544，Loss：1.2787573337554932\n",
      "训练次数：7545，Loss：1.1368061304092407\n",
      "训练次数：7546，Loss：1.2178120613098145\n",
      "训练次数：7547，Loss：1.130176067352295\n",
      "训练次数：7548，Loss：1.2650967836380005\n",
      "训练次数：7549，Loss：1.1789565086364746\n",
      "训练次数：7550，Loss：1.2161062955856323\n",
      "训练次数：7551，Loss：1.2274880409240723\n",
      "训练次数：7552，Loss：1.210697889328003\n",
      "训练次数：7553，Loss：1.3663400411605835\n",
      "训练次数：7554，Loss：1.1109334230422974\n",
      "训练次数：7555，Loss：1.4226866960525513\n",
      "训练次数：7556，Loss：1.0380339622497559\n",
      "训练次数：7557，Loss：1.0262259244918823\n",
      "训练次数：7558，Loss：1.1591074466705322\n",
      "训练次数：7559，Loss：1.4170613288879395\n",
      "训练次数：7560，Loss：1.3002480268478394\n",
      "训练次数：7561，Loss：1.1492913961410522\n",
      "训练次数：7562，Loss：1.2933731079101562\n",
      "训练次数：7563，Loss：1.2173794507980347\n",
      "训练次数：7564，Loss：1.4068527221679688\n",
      "训练次数：7565，Loss：1.2259774208068848\n",
      "训练次数：7566，Loss：1.0583547353744507\n",
      "训练次数：7567，Loss：1.1877992153167725\n",
      "训练次数：7568，Loss：1.3807471990585327\n",
      "训练次数：7569，Loss：1.1593369245529175\n",
      "训练次数：7570，Loss：1.311983346939087\n",
      "训练次数：7571，Loss：1.0873945951461792\n",
      "训练次数：7572，Loss：0.933914065361023\n",
      "训练次数：7573，Loss：1.1940895318984985\n",
      "训练次数：7574，Loss：0.9291638731956482\n",
      "训练次数：7575，Loss：1.1515216827392578\n",
      "训练次数：7576，Loss：1.288886308670044\n",
      "训练次数：7577，Loss：1.2139908075332642\n",
      "训练次数：7578，Loss：1.109236478805542\n",
      "训练次数：7579，Loss：1.0876661539077759\n",
      "训练次数：7580，Loss：1.1787242889404297\n",
      "训练次数：7581，Loss：1.1388707160949707\n",
      "训练次数：7582，Loss：1.1192541122436523\n",
      "训练次数：7583，Loss：1.098859429359436\n",
      "训练次数：7584，Loss：1.114776849746704\n",
      "训练次数：7585，Loss：1.2167096138000488\n",
      "训练次数：7586，Loss：1.1779685020446777\n",
      "训练次数：7587，Loss：1.1113812923431396\n",
      "训练次数：7588，Loss：1.4097723960876465\n",
      "训练次数：7589，Loss：1.1675108671188354\n",
      "训练次数：7590，Loss：1.4175677299499512\n",
      "训练次数：7591，Loss：1.0717945098876953\n",
      "训练次数：7592，Loss：1.2572404146194458\n",
      "训练次数：7593，Loss：0.9439379572868347\n",
      "训练次数：7594，Loss：1.103839635848999\n",
      "训练次数：7595，Loss：1.2842512130737305\n",
      "训练次数：7596，Loss：1.1532751321792603\n",
      "训练次数：7597，Loss：1.071468472480774\n",
      "训练次数：7598，Loss：1.2449443340301514\n",
      "训练次数：7599，Loss：1.1113104820251465\n",
      "训练次数：7600，Loss：1.283859133720398\n",
      "训练次数：7601，Loss：1.3593173027038574\n",
      "训练次数：7602，Loss：1.0091023445129395\n",
      "训练次数：7603，Loss：1.2363502979278564\n",
      "训练次数：7604，Loss：1.360019564628601\n",
      "训练次数：7605，Loss：1.0428293943405151\n",
      "训练次数：7606，Loss：1.055314302444458\n",
      "训练次数：7607，Loss：1.1468079090118408\n",
      "训练次数：7608，Loss：1.0141253471374512\n",
      "训练次数：7609，Loss：1.0267542600631714\n",
      "训练次数：7610，Loss：1.1276870965957642\n",
      "训练次数：7611，Loss：1.0879266262054443\n",
      "训练次数：7612，Loss：1.2798969745635986\n",
      "训练次数：7613，Loss：1.0624030828475952\n",
      "训练次数：7614，Loss：1.0677547454833984\n",
      "训练次数：7615，Loss：1.1399286985397339\n",
      "训练次数：7616，Loss：1.6320979595184326\n",
      "训练次数：7617，Loss：1.0922273397445679\n",
      "训练次数：7618，Loss：1.0970534086227417\n",
      "训练次数：7619，Loss：1.2191413640975952\n",
      "训练次数：7620，Loss：1.222697377204895\n",
      "训练次数：7621，Loss：1.067910075187683\n",
      "训练次数：7622，Loss：1.3697075843811035\n",
      "训练次数：7623，Loss：1.0879021883010864\n",
      "训练次数：7624，Loss：1.1592016220092773\n"
     ]
    },
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "训练次数：7625，Loss：1.2231773138046265\n",
      "训练次数：7626，Loss：0.9330157041549683\n",
      "训练次数：7627，Loss：1.3196015357971191\n",
      "训练次数：7628，Loss：1.2646822929382324\n",
      "训练次数：7629，Loss：1.2597893476486206\n",
      "训练次数：7630，Loss：0.9855141639709473\n",
      "训练次数：7631，Loss：1.3159584999084473\n",
      "训练次数：7632，Loss：1.26841402053833\n",
      "训练次数：7633，Loss：1.3098458051681519\n",
      "训练次数：7634，Loss：1.2017662525177002\n",
      "训练次数：7635，Loss：1.054516077041626\n",
      "训练次数：7636，Loss：1.088909387588501\n",
      "训练次数：7637，Loss：1.3465067148208618\n",
      "训练次数：7638，Loss：1.2110668420791626\n",
      "训练次数：7639，Loss：1.192212462425232\n",
      "训练次数：7640，Loss：1.0040448904037476\n",
      "训练次数：7641，Loss：0.8135011792182922\n",
      "训练次数：7642，Loss：1.3986259698867798\n",
      "训练次数：7643，Loss：1.229163646697998\n",
      "训练次数：7644，Loss：0.951565146446228\n",
      "训练次数：7645，Loss：0.838215172290802\n",
      "训练次数：7646，Loss：0.9874323606491089\n",
      "训练次数：7647，Loss：1.0660964250564575\n",
      "训练次数：7648，Loss：1.270700216293335\n",
      "训练次数：7649，Loss：1.1896469593048096\n",
      "训练次数：7650，Loss：1.206024408340454\n",
      "训练次数：7651，Loss：1.3812663555145264\n",
      "训练次数：7652，Loss：0.945877194404602\n",
      "训练次数：7653，Loss：1.090785264968872\n",
      "训练次数：7654，Loss：1.1108320951461792\n",
      "训练次数：7655，Loss：1.1393922567367554\n",
      "训练次数：7656，Loss：1.0216647386550903\n",
      "训练次数：7657，Loss：1.2364447116851807\n",
      "训练次数：7658，Loss：1.5182615518569946\n",
      "训练次数：7659，Loss：1.1812095642089844\n",
      "训练次数：7660，Loss：1.3854039907455444\n",
      "训练次数：7661，Loss：1.076788306236267\n",
      "训练次数：7662，Loss：0.9878522753715515\n",
      "训练次数：7663，Loss：1.0882834196090698\n",
      "训练次数：7664，Loss：0.9657360315322876\n",
      "训练次数：7665，Loss：1.0889116525650024\n",
      "训练次数：7666，Loss：1.382930040359497\n",
      "训练次数：7667，Loss：1.243494987487793\n",
      "训练次数：7668，Loss：1.0103386640548706\n",
      "训练次数：7669，Loss：1.1219513416290283\n",
      "训练次数：7670，Loss：1.2595003843307495\n",
      "训练次数：7671，Loss：1.2766793966293335\n",
      "训练次数：7672，Loss：0.970342755317688\n",
      "训练次数：7673，Loss：1.1783808469772339\n",
      "训练次数：7674，Loss：0.8949564695358276\n",
      "训练次数：7675，Loss：1.0819491147994995\n",
      "训练次数：7676，Loss：1.188764214515686\n",
      "训练次数：7677，Loss：1.2278612852096558\n",
      "训练次数：7678，Loss：1.3763741254806519\n",
      "训练次数：7679，Loss：1.1821136474609375\n",
      "训练次数：7680，Loss：1.360442042350769\n",
      "训练次数：7681，Loss：1.192211627960205\n",
      "训练次数：7682，Loss：1.024461030960083\n",
      "训练次数：7683，Loss：1.0943740606307983\n",
      "训练次数：7684，Loss：1.3945927619934082\n",
      "训练次数：7685，Loss：1.1310964822769165\n",
      "训练次数：7686，Loss：1.0578378438949585\n",
      "训练次数：7687，Loss：1.2370696067810059\n",
      "训练次数：7688，Loss：1.4645717144012451\n",
      "训练次数：7689，Loss：1.0347925424575806\n",
      "训练次数：7690，Loss：1.2056339979171753\n",
      "训练次数：7691，Loss：0.9001219272613525\n",
      "训练次数：7692，Loss：1.0144970417022705\n",
      "训练次数：7693，Loss：1.3279573917388916\n",
      "训练次数：7694，Loss：1.1991941928863525\n",
      "训练次数：7695，Loss：1.191244125366211\n",
      "训练次数：7696，Loss：1.0751855373382568\n",
      "训练次数：7697，Loss：1.4173855781555176\n",
      "训练次数：7698，Loss：1.0555354356765747\n",
      "训练次数：7699，Loss：0.9791978001594543\n",
      "训练次数：7700，Loss：0.8749792575836182\n",
      "训练次数：7701，Loss：0.9785884618759155\n",
      "训练次数：7702，Loss：1.079095721244812\n",
      "训练次数：7703，Loss：1.3695027828216553\n",
      "训练次数：7704，Loss：1.4978569746017456\n",
      "训练次数：7705，Loss：1.050480604171753\n",
      "训练次数：7706，Loss：1.225829839706421\n",
      "训练次数：7707，Loss：1.0349675416946411\n",
      "训练次数：7708，Loss：1.1308562755584717\n",
      "训练次数：7709，Loss：1.2171193361282349\n",
      "训练次数：7710，Loss：1.1682018041610718\n",
      "训练次数：7711，Loss：1.1280081272125244\n",
      "训练次数：7712，Loss：1.0511802434921265\n",
      "训练次数：7713，Loss：1.1533963680267334\n",
      "训练次数：7714，Loss：1.3981354236602783\n",
      "训练次数：7715，Loss：1.4143701791763306\n",
      "训练次数：7716，Loss：0.9906187057495117\n",
      "训练次数：7717，Loss：1.1803382635116577\n",
      "训练次数：7718，Loss：1.2243021726608276\n",
      "训练次数：7719，Loss：1.2566359043121338\n",
      "训练次数：7720，Loss：0.9611352682113647\n",
      "训练次数：7721，Loss：0.9401686787605286\n",
      "训练次数：7722，Loss：1.192764401435852\n",
      "训练次数：7723，Loss：1.2125515937805176\n",
      "训练次数：7724，Loss：1.5483982563018799\n",
      "训练次数：7725，Loss：1.0036598443984985\n",
      "训练次数：7726，Loss：1.0396089553833008\n",
      "训练次数：7727，Loss：1.1836159229278564\n",
      "训练次数：7728，Loss：1.27720046043396\n",
      "训练次数：7729，Loss：1.1872236728668213\n",
      "训练次数：7730，Loss：1.1876165866851807\n",
      "训练次数：7731，Loss：1.379239559173584\n",
      "训练次数：7732，Loss：1.194985032081604\n",
      "训练次数：7733，Loss：1.2305048704147339\n",
      "训练次数：7734，Loss：1.101074457168579\n",
      "训练次数：7735，Loss：1.1864999532699585\n",
      "训练次数：7736，Loss：1.1194816827774048\n",
      "训练次数：7737，Loss：0.9900977611541748\n",
      "训练次数：7738，Loss：1.323547124862671\n",
      "训练次数：7739，Loss：1.285246729850769\n",
      "训练次数：7740，Loss：1.1447983980178833\n",
      "训练次数：7741，Loss：1.162243366241455\n",
      "训练次数：7742，Loss：0.8521981239318848\n",
      "训练次数：7743，Loss：1.2642875909805298\n",
      "训练次数：7744，Loss：1.0940033197402954\n",
      "训练次数：7745，Loss：1.3510721921920776\n",
      "训练次数：7746，Loss：1.1740132570266724\n",
      "训练次数：7747，Loss：0.9315599799156189\n",
      "训练次数：7748，Loss：0.8112488389015198\n",
      "训练次数：7749，Loss：1.1542388200759888\n",
      "训练次数：7750，Loss：0.9341703653335571\n",
      "训练次数：7751，Loss：1.1287883520126343\n",
      "训练次数：7752，Loss：1.2222293615341187\n",
      "训练次数：7753，Loss：1.1548399925231934\n",
      "训练次数：7754，Loss：1.06867516040802\n",
      "训练次数：7755，Loss：1.0393991470336914\n",
      "训练次数：7756，Loss：1.0450328588485718\n",
      "训练次数：7757，Loss：1.0676478147506714\n",
      "训练次数：7758，Loss：1.2082557678222656\n",
      "训练次数：7759，Loss：1.0723425149917603\n",
      "训练次数：7760，Loss：1.1652140617370605\n",
      "训练次数：7761，Loss：0.9844298958778381\n",
      "训练次数：7762，Loss：1.382349967956543\n",
      "训练次数：7763，Loss：1.1926606893539429\n",
      "训练次数：7764，Loss：1.026482105255127\n",
      "训练次数：7765，Loss：1.299048662185669\n",
      "训练次数：7766，Loss：1.3366942405700684\n",
      "训练次数：7767，Loss：1.1309045553207397\n",
      "训练次数：7768，Loss：1.1523325443267822\n",
      "训练次数：7769，Loss：0.9934222102165222\n",
      "训练次数：7770，Loss：0.924751877784729\n",
      "训练次数：7771，Loss：1.1102899312973022\n",
      "训练次数：7772，Loss：1.0762815475463867\n",
      "训练次数：7773，Loss：1.1507312059402466\n",
      "训练次数：7774，Loss：1.1645926237106323\n",
      "训练次数：7775，Loss：0.9529551863670349\n",
      "训练次数：7776，Loss：1.1160413026809692\n",
      "训练次数：7777，Loss：1.0874241590499878\n",
      "训练次数：7778，Loss：0.8786929249763489\n",
      "训练次数：7779，Loss：1.35325288772583\n",
      "训练次数：7780，Loss：1.1301738023757935\n",
      "训练次数：7781，Loss：1.3884902000427246\n",
      "训练次数：7782，Loss：0.8381791710853577\n",
      "训练次数：7783，Loss：1.03469979763031\n",
      "训练次数：7784，Loss：1.2365460395812988\n",
      "训练次数：7785，Loss：1.027480959892273\n",
      "训练次数：7786，Loss：1.2947568893432617\n",
      "训练次数：7787，Loss：1.2408595085144043\n",
      "训练次数：7788，Loss：1.0622131824493408\n",
      "训练次数：7789，Loss：1.4691154956817627\n",
      "训练次数：7790，Loss：1.128934621810913\n",
      "训练次数：7791，Loss：1.1675522327423096\n",
      "训练次数：7792，Loss：1.1690020561218262\n",
      "训练次数：7793，Loss：1.1024773120880127\n",
      "训练次数：7794，Loss：1.1409924030303955\n",
      "训练次数：7795，Loss：1.1006922721862793\n",
      "训练次数：7796，Loss：1.0796380043029785\n",
      "训练次数：7797，Loss：1.2365586757659912\n",
      "训练次数：7798，Loss：1.0566821098327637\n",
      "训练次数：7799，Loss：1.0996304750442505\n",
      "训练次数：7800，Loss：1.2526379823684692\n",
      "训练次数：7801，Loss：1.0714588165283203\n",
      "训练次数：7802，Loss：1.0585336685180664\n",
      "训练次数：7803，Loss：1.0637550354003906\n",
      "训练次数：7804，Loss：1.2670683860778809\n",
      "训练次数：7805，Loss：0.9631140232086182\n",
      "训练次数：7806，Loss：1.2168736457824707\n",
      "训练次数：7807，Loss：0.9060236811637878\n",
      "训练次数：7808，Loss：0.9885315895080566\n",
      "训练次数：7809，Loss：1.249497413635254\n",
      "训练次数：7810，Loss：1.1890441179275513\n",
      "训练次数：7811，Loss：1.247774362564087\n",
      "训练次数：7812，Loss：0.9638575315475464\n",
      "训练次数：7813，Loss：1.176830530166626\n",
      "训练次数：7814，Loss：1.0362855195999146\n",
      "训练次数：7815，Loss：1.317710518836975\n",
      "训练次数：7816，Loss：1.016163945198059\n",
      "训练次数：7817，Loss：0.964885413646698\n",
      "训练次数：7818，Loss：0.9678632020950317\n",
      "训练次数：7819，Loss：1.222188949584961\n",
      "训练次数：7820，Loss：1.5298950672149658\n"
     ]
    }
   ],
   "source": [
    "import torchvision\n",
    "from torch import nn\n",
    "from torch.utils.data import DataLoader\n",
    "\n",
    "# from model import * 相当于把 model中的所有内容写到这里，这里直接把 model 写在这里\n",
    "class Tudui(nn.Module):\n",
    "    def __init__(self):\n",
    "        super(Tudui, self).__init__()        \n",
    "        self.model1 = nn.Sequential(\n",
    "            nn.Conv2d(3,32,5,1,2),  # 输入通道3，输出通道32，卷积核尺寸5×5，步长1，填充2    \n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Conv2d(32,32,5,1,2),\n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Conv2d(32,64,5,1,2),\n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Flatten(),  # 展平后变成 64*4*4 了\n",
    "            nn.Linear(64*4*4,64),\n",
    "            nn.Linear(64,10)\n",
    "        )\n",
    "        \n",
    "    def forward(self, x):\n",
    "        x = self.model1(x)\n",
    "        return x\n",
    "\n",
    "# 准备数据集\n",
    "train_data = torchvision.datasets.CIFAR10(\"./dataset\",train=True,transform=torchvision.transforms.ToTensor(),download=True)       \n",
    "test_data = torchvision.datasets.CIFAR10(\"./dataset\",train=False,transform=torchvision.transforms.ToTensor(),download=True)       \n",
    "\n",
    "# length 长度\n",
    "train_data_size = len(train_data)\n",
    "test_data_size = len(test_data)\n",
    "# 如果train_data_size=10，则打印：训练数据集的长度为：10\n",
    "print(\"训练数据集的长度：{}\".format(train_data_size))\n",
    "print(\"测试数据集的长度：{}\".format(test_data_size))\n",
    "\n",
    "# 利用 Dataloader 来加载数据集\n",
    "train_dataloader = DataLoader(train_data, batch_size=64)        \n",
    "test_dataloader = DataLoader(test_data, batch_size=64)\n",
    "\n",
    "# 创建网络模型\n",
    "tudui = Tudui() \n",
    "\n",
    "# 损失函数\n",
    "loss_fn = nn.CrossEntropyLoss() # 交叉熵，fn 是 fuction 的缩写\n",
    "\n",
    "# 优化器\n",
    "learning = 0.01  # 1e-2 就是 0.01 的意思\n",
    "optimizer = torch.optim.SGD(tudui.parameters(),learning)   # 随机梯度下降优化器  \n",
    "\n",
    "# 设置网络的一些参数\n",
    "# 记录训练的次数\n",
    "total_train_step = 0\n",
    "\n",
    "# 训练的轮次\n",
    "epoch = 10\n",
    "\n",
    "for i in range(epoch):\n",
    "    print(\"-----第 {} 轮训练开始-----\".format(i+1))\n",
    "    \n",
    "    # 训练步骤开始\n",
    "    for data in train_dataloader:\n",
    "        imgs, targets = data\n",
    "        outputs = tudui(imgs)\n",
    "        loss = loss_fn(outputs, targets) # 计算实际输出与目标输出的差距\n",
    "        \n",
    "        # 优化器对模型调优\n",
    "        optimizer.zero_grad()  # 梯度清零\n",
    "        loss.backward() # 反向传播，计算损失函数的梯度\n",
    "        optimizer.step()   # 根据梯度，对网络的参数进行调优\n",
    "        \n",
    "        total_train_step = total_train_step + 1\n",
    "        #print(\"训练次数：{}，Loss：{}\".format(total_train_step,loss))  # 方式一：获得loss值\n",
    "        print(\"训练次数：{}，Loss：{}\".format(total_train_step,loss.item()))  # 方式二：获得loss值"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# 5. item作用"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 4,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "tensor(5)\n",
      "5\n"
     ]
    }
   ],
   "source": [
    "import torch\n",
    "a = torch.tensor(5)\n",
    "print(a)\n",
    "print(a.item())"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# 6. 查看训练损失"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "① 在pytorch中，tensor有一个requires_grad参数，如果设置为True，则反向传播时，该tensor就会自动求导。\n",
    "\n",
    "② tensor的requires_grad的属性默认为False，若一个节点（叶子变量：自己创建的tensor）requires_grad被设置为True，那么所有依赖它的节点requires_grad都为True（即使其他相依赖的tensor的requires_grad = False）\n",
    "\n",
    "③ 当requires_grad设置为False时，反向传播时就不会自动求导了，因此大大节约了显存或者说内存。\n",
    "\n",
    "④ with torch.no_grad的作用在该模块下，所有计算得出的tensor的requires_grad都自动设置为False。\n",
    "\n",
    "⑤ 即使一个tensor（命名为x）的requires_grad = True，在with torch.no_grad计算，由x得到的新tensor（命名为w-标量）requires_grad也为False，且grad_fn也为None,即不会对w求导。\n",
    "\n",
    "⑥ torch.no_grad()：停止计算梯度，不能进行反向传播。"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 5,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Files already downloaded and verified\n",
      "Files already downloaded and verified\n",
      "训练数据集的长度：50000\n",
      "测试数据集的长度：10000\n",
      "-----第 1 轮训练开始-----\n",
      "训练次数：100，Loss：2.2818071842193604\n",
      "训练次数：200，Loss：2.267061471939087\n",
      "训练次数：300，Loss：2.2060177326202393\n",
      "训练次数：400，Loss：2.1160497665405273\n",
      "训练次数：500，Loss：2.03908371925354\n",
      "训练次数：600，Loss：2.0013811588287354\n",
      "训练次数：700，Loss：1.971280574798584\n",
      "整体测试集上的Loss：311.444508433342\n",
      "-----第 2 轮训练开始-----\n",
      "训练次数：800，Loss：1.8406707048416138\n",
      "训练次数：900，Loss：1.835253357887268\n",
      "训练次数：1000，Loss：1.9193772077560425\n",
      "训练次数：1100，Loss：1.9817758798599243\n",
      "训练次数：1200，Loss：1.6866414546966553\n",
      "训练次数：1300，Loss：1.6833062171936035\n",
      "训练次数：1400，Loss：1.7423250675201416\n",
      "训练次数：1500，Loss：1.7910836935043335\n",
      "整体测试集上的Loss：295.83529579639435\n",
      "-----第 3 轮训练开始-----\n",
      "训练次数：1600，Loss：1.7340000867843628\n",
      "训练次数：1700，Loss：1.6623749732971191\n",
      "训练次数：1800，Loss：1.9103188514709473\n",
      "训练次数：1900，Loss：1.722930908203125\n",
      "训练次数：2000，Loss：1.8943604230880737\n",
      "训练次数：2100，Loss：1.4975690841674805\n",
      "训练次数：2200，Loss：1.464676856994629\n",
      "训练次数：2300，Loss：1.7708508968353271\n",
      "整体测试集上的Loss：273.4990575313568\n",
      "-----第 4 轮训练开始-----\n",
      "训练次数：2400，Loss：1.7362182140350342\n",
      "训练次数：2500，Loss：1.3517616987228394\n",
      "训练次数：2600，Loss：1.5586233139038086\n",
      "训练次数：2700，Loss：1.6879914999008179\n",
      "训练次数：2800，Loss：1.469564437866211\n",
      "训练次数：2900，Loss：1.5893890857696533\n",
      "训练次数：3000，Loss：1.352890968322754\n",
      "训练次数：3100，Loss：1.4961837530136108\n",
      "整体测试集上的Loss：270.01156997680664\n",
      "-----第 5 轮训练开始-----\n",
      "训练次数：3200，Loss：1.3372247219085693\n",
      "训练次数：3300，Loss：1.4689146280288696\n",
      "训练次数：3400，Loss：1.4240412712097168\n",
      "训练次数：3500，Loss：1.5419731140136719\n",
      "训练次数：3600，Loss：1.5850610733032227\n",
      "训练次数：3700，Loss：1.343977451324463\n",
      "训练次数：3800，Loss：1.3023576736450195\n",
      "训练次数：3900，Loss：1.4324713945388794\n",
      "整体测试集上的Loss：257.1781986951828\n",
      "-----第 6 轮训练开始-----\n",
      "训练次数：4000，Loss：1.3752213716506958\n",
      "训练次数：4100，Loss：1.4291632175445557\n",
      "训练次数：4200，Loss：1.5042070150375366\n",
      "训练次数：4300，Loss：1.1800527572631836\n",
      "训练次数：4400，Loss：1.1353368759155273\n",
      "训练次数：4500，Loss：1.3278626203536987\n",
      "训练次数：4600，Loss：1.385879397392273\n",
      "整体测试集上的Loss：243.80352401733398\n",
      "-----第 7 轮训练开始-----\n",
      "训练次数：4700，Loss：1.3193678855895996\n",
      "训练次数：4800，Loss：1.5091830492019653\n",
      "训练次数：4900，Loss：1.390406608581543\n",
      "训练次数：5000，Loss：1.377677083015442\n",
      "训练次数：5100，Loss：0.9832243919372559\n",
      "训练次数：5200，Loss：1.306634545326233\n",
      "训练次数：5300，Loss：1.2060096263885498\n",
      "训练次数：5400，Loss：1.3645224571228027\n",
      "整体测试集上的Loss：227.03500604629517\n",
      "-----第 8 轮训练开始-----\n",
      "训练次数：5500，Loss：1.2007256746292114\n",
      "训练次数：5600，Loss：1.2000162601470947\n",
      "训练次数：5700，Loss：1.217725157737732\n",
      "训练次数：5800，Loss：1.2193546295166016\n",
      "训练次数：5900，Loss：1.344832420349121\n",
      "训练次数：6000，Loss：1.5032548904418945\n",
      "训练次数：6100，Loss：0.9945251941680908\n",
      "训练次数：6200，Loss：1.0842390060424805\n",
      "整体测试集上的Loss：210.75880527496338\n",
      "-----第 9 轮训练开始-----\n",
      "训练次数：6300，Loss：1.3924059867858887\n",
      "训练次数：6400，Loss：1.08247971534729\n",
      "训练次数：6500，Loss：1.6116385459899902\n",
      "训练次数：6600，Loss：1.0441133975982666\n",
      "训练次数：6700，Loss：1.0808278322219849\n",
      "训练次数：6800，Loss：1.1203839778900146\n",
      "训练次数：6900，Loss：1.065340518951416\n",
      "训练次数：7000，Loss：0.8646073341369629\n",
      "整体测试集上的Loss：200.43587028980255\n",
      "-----第 10 轮训练开始-----\n",
      "训练次数：7100，Loss：1.2311145067214966\n",
      "训练次数：7200，Loss：0.9793491363525391\n",
      "训练次数：7300，Loss：1.1264833211898804\n",
      "训练次数：7400，Loss：0.8558132648468018\n",
      "训练次数：7500，Loss：1.1851539611816406\n",
      "训练次数：7600，Loss：1.2427409887313843\n",
      "训练次数：7700，Loss：0.8233367204666138\n",
      "训练次数：7800，Loss：1.2412829399108887\n",
      "整体测试集上的Loss：194.5557427406311\n"
     ]
    }
   ],
   "source": [
    "import torchvision\n",
    "import torch\n",
    "from torch import nn\n",
    "from torch.utils.data import DataLoader\n",
    "from torch.utils.tensorboard import SummaryWriter\n",
    "\n",
    "# from model import * 相当于把 model中的所有内容写到这里，这里直接把 model 写在这里\n",
    "class Tudui(nn.Module):\n",
    "    def __init__(self):\n",
    "        super(Tudui, self).__init__()        \n",
    "        self.model1 = nn.Sequential(\n",
    "            nn.Conv2d(3,32,5,1,2),  # 输入通道3，输出通道32，卷积核尺寸5×5，步长1，填充2    \n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Conv2d(32,32,5,1,2),\n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Conv2d(32,64,5,1,2),\n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Flatten(),  # 展平后变成 64*4*4 了\n",
    "            nn.Linear(64*4*4,64),\n",
    "            nn.Linear(64,10)\n",
    "        )\n",
    "        \n",
    "    def forward(self, x):\n",
    "        x = self.model1(x)\n",
    "        return x\n",
    "\n",
    "# 准备数据集\n",
    "train_data = torchvision.datasets.CIFAR10(\"./dataset\",train=True,transform=torchvision.transforms.ToTensor(),download=True)       \n",
    "test_data = torchvision.datasets.CIFAR10(\"./dataset\",train=False,transform=torchvision.transforms.ToTensor(),download=True)       \n",
    "\n",
    "# length 长度\n",
    "train_data_size = len(train_data)\n",
    "test_data_size = len(test_data)\n",
    "# 如果train_data_size=10，则打印：训练数据集的长度为：10\n",
    "print(\"训练数据集的长度：{}\".format(train_data_size))\n",
    "print(\"测试数据集的长度：{}\".format(test_data_size))\n",
    "\n",
    "# 利用 Dataloader 来加载数据集\n",
    "train_dataloader = DataLoader(train_data, batch_size=64)        \n",
    "test_dataloader = DataLoader(test_data, batch_size=64)\n",
    "\n",
    "# 创建网络模型\n",
    "tudui = Tudui() \n",
    "\n",
    "# 损失函数\n",
    "loss_fn = nn.CrossEntropyLoss() # 交叉熵，fn 是 fuction 的缩写\n",
    "\n",
    "# 优化器\n",
    "learning = 0.01  # 1e-2 就是 0.01 的意思\n",
    "optimizer = torch.optim.SGD(tudui.parameters(),learning)   # 随机梯度下降优化器  \n",
    "\n",
    "# 设置网络的一些参数\n",
    "# 记录训练的次数\n",
    "total_train_step = 0\n",
    "# 记录测试的次数\n",
    "total_test_step = 0\n",
    "\n",
    "# 训练的轮次\n",
    "epoch = 10\n",
    "\n",
    "# 添加 tensorboard\n",
    "writer = SummaryWriter(\"logs\")\n",
    "\n",
    "for i in range(epoch):\n",
    "    print(\"-----第 {} 轮训练开始-----\".format(i+1))\n",
    "    \n",
    "    # 训练步骤开始\n",
    "    for data in train_dataloader:\n",
    "        imgs, targets = data\n",
    "        outputs = tudui(imgs)\n",
    "        loss = loss_fn(outputs, targets) # 计算实际输出与目标输出的差距\n",
    "        \n",
    "        # 优化器对模型调优\n",
    "        optimizer.zero_grad()  # 梯度清零\n",
    "        loss.backward() # 反向传播，计算损失函数的梯度\n",
    "        optimizer.step()   # 根据梯度，对网络的参数进行调优\n",
    "        \n",
    "        total_train_step = total_train_step + 1\n",
    "        if total_train_step % 100 == 0:\n",
    "            print(\"训练次数：{}，Loss：{}\".format(total_train_step,loss.item()))  # 方式二：获得loss值\n",
    "            writer.add_scalar(\"train_loss\",loss.item(),total_train_step)\n",
    "    \n",
    "    # 测试步骤开始（每一轮训练后都查看在测试数据集上的loss情况）\n",
    "    total_test_loss = 0\n",
    "    with torch.no_grad():  # 没有梯度计算，节约内存\n",
    "        for data in test_dataloader: # 测试数据集提取数据\n",
    "            imgs, targets = data\n",
    "            outputs = tudui(imgs)\n",
    "            loss = loss_fn(outputs, targets) # 仅data数据在网络模型上的损失\n",
    "            total_test_loss = total_test_loss + loss.item() # 所有loss\n",
    "    print(\"整体测试集上的Loss：{}\".format(total_test_loss))\n",
    "    writer.add_scalar(\"test_loss\",total_test_loss,total_test_step)\n",
    "    total_test_step = total_test_step + 1\n",
    "        \n",
    "writer.close()"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "① 在 Anaconda 终端里面，激活py3.6.3环境，再输入 tensorboard --logdir=C:\\Users\\wangy\\Desktop\\03CV\\logs 命令，将网址赋值浏览器的网址栏，回车，即可查看tensorboard显示日志情况。"
   ]
  },
  {
   "attachments": {
    "image.png": {
     "image/png": "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"
    }
   },
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "![image.png](attachment:image.png)"
   ]
  },
  {
   "attachments": {
    "image.png": {
     "image/png": "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"
    }
   },
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "![image.png](attachment:image.png)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# 7. 保存每一轮后参数"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 6,
   "metadata": {
    "scrolled": false
   },
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Files already downloaded and verified\n",
      "Files already downloaded and verified\n",
      "训练数据集的长度：50000\n",
      "测试数据集的长度：10000\n",
      "-----第 1 轮训练开始-----\n",
      "训练次数：100，Loss：2.296692132949829\n",
      "训练次数：200，Loss：2.285885810852051\n",
      "训练次数：300，Loss：2.279501438140869\n",
      "训练次数：400，Loss：2.2302145957946777\n",
      "训练次数：500，Loss：2.1076254844665527\n",
      "训练次数：600，Loss：2.0241076946258545\n",
      "训练次数：700，Loss：2.0326571464538574\n",
      "整体测试集上的Loss：313.3945701122284\n",
      "模型已保存\n",
      "-----第 2 轮训练开始-----\n",
      "训练次数：800，Loss：1.8856056928634644\n",
      "训练次数：900，Loss：1.8258416652679443\n",
      "训练次数：1000，Loss：1.8736964464187622\n",
      "训练次数：1100，Loss：2.009686231613159\n",
      "训练次数：1200，Loss：1.7110859155654907\n",
      "训练次数：1300，Loss：1.639999508857727\n",
      "训练次数：1400，Loss：1.7460256814956665\n",
      "训练次数：1500，Loss：1.804326057434082\n",
      "整体测试集上的Loss：306.9472336769104\n",
      "模型已保存\n",
      "-----第 3 轮训练开始-----\n",
      "训练次数：1600，Loss：1.7464873790740967\n",
      "训练次数：1700，Loss：1.6793572902679443\n",
      "训练次数：1800，Loss：1.9503461122512817\n",
      "训练次数：1900，Loss：1.7317644357681274\n",
      "训练次数：2000，Loss：1.9306591749191284\n",
      "训练次数：2100，Loss：1.5165047645568848\n",
      "训练次数：2200，Loss：1.459275722503662\n",
      "训练次数：2300，Loss：1.79405677318573\n",
      "整体测试集上的Loss：263.37182998657227\n",
      "模型已保存\n",
      "-----第 4 轮训练开始-----\n",
      "训练次数：2400，Loss：1.7481664419174194\n",
      "训练次数：2500，Loss：1.3587579727172852\n",
      "训练次数：2600，Loss：1.5589655637741089\n",
      "训练次数：2700，Loss：1.6773592233657837\n",
      "训练次数：2800，Loss：1.5090978145599365\n",
      "训练次数：2900，Loss：1.539999008178711\n",
      "训练次数：3000，Loss：1.354047417640686\n",
      "训练次数：3100，Loss：1.4937833547592163\n",
      "整体测试集上的Loss：252.46941196918488\n",
      "模型已保存\n",
      "-----第 5 轮训练开始-----\n",
      "训练次数：3200，Loss：1.3801052570343018\n",
      "训练次数：3300，Loss：1.4397848844528198\n",
      "训练次数：3400，Loss：1.46108078956604\n",
      "训练次数：3500，Loss：1.5322155952453613\n",
      "训练次数：3600，Loss：1.566237211227417\n",
      "训练次数：3700，Loss：1.3101667165756226\n",
      "训练次数：3800，Loss：1.2599278688430786\n",
      "训练次数：3900，Loss：1.4321829080581665\n",
      "整体测试集上的Loss：243.0005919933319\n",
      "模型已保存\n",
      "-----第 6 轮训练开始-----\n",
      "训练次数：4000，Loss：1.3768717050552368\n",
      "训练次数：4100，Loss：1.4406071901321411\n",
      "训练次数：4200，Loss：1.5087004899978638\n",
      "训练次数：4300，Loss：1.1848419904708862\n",
      "训练次数：4400，Loss：1.1364362239837646\n",
      "训练次数：4500，Loss：1.3455544710159302\n",
      "训练次数：4600，Loss：1.40190851688385\n",
      "整体测试集上的Loss：229.64346647262573\n",
      "模型已保存\n",
      "-----第 7 轮训练开始-----\n",
      "训练次数：4700，Loss：1.2932283878326416\n",
      "训练次数：4800，Loss：1.4792245626449585\n",
      "训练次数：4900，Loss：1.3620022535324097\n",
      "训练次数：5000，Loss：1.3700700998306274\n",
      "训练次数：5100，Loss：0.9695762991905212\n",
      "训练次数：5200，Loss：1.312595009803772\n",
      "训练次数：5300，Loss：1.2064651250839233\n",
      "训练次数：5400，Loss：1.3512318134307861\n",
      "整体测试集上的Loss：218.9336529970169\n",
      "模型已保存\n",
      "-----第 8 轮训练开始-----\n",
      "训练次数：5500，Loss：1.1977111101150513\n",
      "训练次数：5600，Loss：1.2471140623092651\n",
      "训练次数：5700，Loss：1.156531810760498\n",
      "训练次数：5800，Loss：1.2149838209152222\n",
      "训练次数：5900，Loss：1.2761603593826294\n",
      "训练次数：6000，Loss：1.495023250579834\n",
      "训练次数：6100，Loss：1.0265220403671265\n",
      "训练次数：6200，Loss：1.0587254762649536\n",
      "整体测试集上的Loss：209.12245571613312\n",
      "模型已保存\n",
      "-----第 9 轮训练开始-----\n",
      "训练次数：6300，Loss：1.44582200050354\n",
      "训练次数：6400，Loss：1.0848979949951172\n",
      "训练次数：6500，Loss：1.5730582475662231\n",
      "训练次数：6600，Loss：1.0684460401535034\n",
      "训练次数：6700，Loss：1.0620619058609009\n",
      "训练次数：6800，Loss：1.1571838855743408\n",
      "训练次数：6900，Loss：1.0781376361846924\n",
      "训练次数：7000，Loss：0.8753705620765686\n",
      "整体测试集上的Loss：200.97392404079437\n",
      "模型已保存\n",
      "-----第 10 轮训练开始-----\n",
      "训练次数：7100，Loss：1.237581729888916\n",
      "训练次数：7200，Loss：0.9725397229194641\n",
      "训练次数：7300，Loss：1.0951743125915527\n",
      "训练次数：7400，Loss：0.8216850161552429\n",
      "训练次数：7500，Loss：1.2100721597671509\n",
      "训练次数：7600，Loss：1.2381412982940674\n",
      "训练次数：7700，Loss：0.8831480145454407\n",
      "训练次数：7800，Loss：1.2118467092514038\n",
      "整体测试集上的Loss：194.03061652183533\n",
      "模型已保存\n"
     ]
    }
   ],
   "source": [
    "import torchvision\n",
    "import torch\n",
    "from torch import nn\n",
    "from torch.utils.data import DataLoader\n",
    "from torch.utils.tensorboard import SummaryWriter\n",
    "\n",
    "# from model import * 相当于把 model中的所有内容写到这里，这里直接把 model 写在这里\n",
    "class Tudui(nn.Module):\n",
    "    def __init__(self):\n",
    "        super(Tudui, self).__init__()        \n",
    "        self.model1 = nn.Sequential(\n",
    "            nn.Conv2d(3,32,5,1,2),  # 输入通道3，输出通道32，卷积核尺寸5×5，步长1，填充2    \n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Conv2d(32,32,5,1,2),\n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Conv2d(32,64,5,1,2),\n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Flatten(),  # 展平后变成 64*4*4 了\n",
    "            nn.Linear(64*4*4,64),\n",
    "            nn.Linear(64,10)\n",
    "        )\n",
    "        \n",
    "    def forward(self, x):\n",
    "        x = self.model1(x)\n",
    "        return x\n",
    "\n",
    "# 准备数据集\n",
    "train_data = torchvision.datasets.CIFAR10(\"./dataset\",train=True,transform=torchvision.transforms.ToTensor(),download=True)       \n",
    "test_data = torchvision.datasets.CIFAR10(\"./dataset\",train=False,transform=torchvision.transforms.ToTensor(),download=True)       \n",
    "\n",
    "# length 长度\n",
    "train_data_size = len(train_data)\n",
    "test_data_size = len(test_data)\n",
    "# 如果train_data_size=10，则打印：训练数据集的长度为：10\n",
    "print(\"训练数据集的长度：{}\".format(train_data_size))\n",
    "print(\"测试数据集的长度：{}\".format(test_data_size))\n",
    "\n",
    "# 利用 Dataloader 来加载数据集\n",
    "train_dataloader = DataLoader(train_data, batch_size=64)        \n",
    "test_dataloader = DataLoader(test_data, batch_size=64)\n",
    "\n",
    "# 创建网络模型\n",
    "tudui = Tudui() \n",
    "\n",
    "# 损失函数\n",
    "loss_fn = nn.CrossEntropyLoss() # 交叉熵，fn 是 fuction 的缩写\n",
    "\n",
    "# 优化器\n",
    "learning = 0.01  # 1e-2 就是 0.01 的意思\n",
    "optimizer = torch.optim.SGD(tudui.parameters(),learning)   # 随机梯度下降优化器  \n",
    "\n",
    "# 设置网络的一些参数\n",
    "# 记录训练的次数\n",
    "total_train_step = 0\n",
    "# 记录测试的次数\n",
    "total_test_step = 0\n",
    "\n",
    "# 训练的轮次\n",
    "epoch = 10\n",
    "\n",
    "# 添加 tensorboard\n",
    "writer = SummaryWriter(\"logs\")\n",
    "\n",
    "for i in range(epoch):\n",
    "    print(\"-----第 {} 轮训练开始-----\".format(i+1))\n",
    "    \n",
    "    # 训练步骤开始\n",
    "    for data in train_dataloader:\n",
    "        imgs, targets = data\n",
    "        outputs = tudui(imgs)\n",
    "        loss = loss_fn(outputs, targets) # 计算实际输出与目标输出的差距\n",
    "        \n",
    "        # 优化器对模型调优\n",
    "        optimizer.zero_grad()  # 梯度清零\n",
    "        loss.backward() # 反向传播，计算损失函数的梯度\n",
    "        optimizer.step()   # 根据梯度，对网络的参数进行调优\n",
    "        \n",
    "        total_train_step = total_train_step + 1\n",
    "        if total_train_step % 100 == 0:\n",
    "            print(\"训练次数：{}，Loss：{}\".format(total_train_step,loss.item()))  # 方式二：获得loss值\n",
    "            writer.add_scalar(\"train_loss\",loss.item(),total_train_step)\n",
    "    \n",
    "    # 测试步骤开始（每一轮训练后都查看在测试数据集上的loss情况）\n",
    "    total_test_loss = 0\n",
    "    with torch.no_grad():  # 没有梯度了\n",
    "        for data in test_dataloader: # 测试数据集提取数据\n",
    "            imgs, targets = data\n",
    "            outputs = tudui(imgs)\n",
    "            loss = loss_fn(outputs, targets) # 仅data数据在网络模型上的损失\n",
    "            total_test_loss = total_test_loss + loss.item() # 所有loss\n",
    "    print(\"整体测试集上的Loss：{}\".format(total_test_loss))\n",
    "    writer.add_scalar(\"test_loss\",total_test_loss,total_test_step)\n",
    "    total_test_step = total_test_step + 1\n",
    "    \n",
    "    torch.save(tudui, \"./model/tudui_{}.pth\".format(i)) # 保存每一轮训练后的结果\n",
    "    print(\"模型已保存\")\n",
    "    \n",
    "writer.close()"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# 8. argmax作用"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 7,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "tensor([0, 1])\n",
      "tensor([1, 1])\n",
      "tensor(2)\n"
     ]
    }
   ],
   "source": [
    "import torch\n",
    "outputs = torch.tensor([[0.1,0.2],\n",
    "                        [0.05,0.4]])\n",
    "print(outputs.argmax(0))  # 竖着看，最大值的索引\n",
    "print(outputs.argmax(1))  # 横着看，最大值的索引\n",
    "preds = outputs.argmax(0)\n",
    "targets = torch.tensor([0,1])\n",
    "print((preds == targets).sum()) # 对应位置相等的个数"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# 9. 打印正确率"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 8,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Files already downloaded and verified\n",
      "Files already downloaded and verified\n",
      "训练数据集的长度：50000\n",
      "测试数据集的长度：10000\n",
      "-----第 1 轮训练开始-----\n",
      "训练次数：100，Loss：2.2990777492523193\n",
      "训练次数：200，Loss：2.279019594192505\n",
      "训练次数：300，Loss：2.274381637573242\n",
      "训练次数：400，Loss：2.212763547897339\n",
      "训练次数：500，Loss：2.0860657691955566\n",
      "训练次数：600，Loss：2.026383399963379\n",
      "训练次数：700，Loss：2.0226848125457764\n",
      "整体测试集上的Loss：318.3006658554077\n",
      "整体测试集上的正确率：0.26919999718666077\n",
      "模型已保存\n",
      "-----第 2 轮训练开始-----\n",
      "训练次数：800，Loss：1.932318091392517\n",
      "训练次数：900，Loss：1.8830816745758057\n",
      "训练次数：1000，Loss：1.9455211162567139\n",
      "训练次数：1100，Loss：1.973578929901123\n",
      "训练次数：1200，Loss：1.7392346858978271\n",
      "训练次数：1300，Loss：1.6807948350906372\n",
      "训练次数：1400，Loss：1.7497491836547852\n",
      "训练次数：1500，Loss：1.7937464714050293\n",
      "整体测试集上的Loss：304.5683034658432\n",
      "整体测试集上的正确率：0.30399999022483826\n",
      "模型已保存\n",
      "-----第 3 轮训练开始-----\n",
      "训练次数：1600，Loss：1.787430763244629\n",
      "训练次数：1700，Loss：1.6468796730041504\n",
      "训练次数：1800，Loss：1.9685696363449097\n",
      "训练次数：1900，Loss：1.7380374670028687\n",
      "训练次数：2000，Loss：1.948999285697937\n",
      "训练次数：2100，Loss：1.5249638557434082\n",
      "训练次数：2200，Loss：1.4795399904251099\n",
      "训练次数：2300，Loss：1.758912205696106\n",
      "整体测试集上的Loss：263.2710431814194\n",
      "整体测试集上的正确率：0.3921000063419342\n",
      "模型已保存\n",
      "-----第 4 轮训练开始-----\n",
      "训练次数：2400，Loss：1.741290807723999\n",
      "训练次数：2500，Loss：1.3643462657928467\n",
      "训练次数：2600，Loss：1.574839472770691\n",
      "训练次数：2700，Loss：1.720109462738037\n",
      "训练次数：2800，Loss：1.4971864223480225\n",
      "训练次数：2900，Loss：1.598922848701477\n",
      "训练次数：3000，Loss：1.3547699451446533\n",
      "训练次数：3100，Loss：1.5192795991897583\n",
      "整体测试集上的Loss：258.58551633358\n",
      "整体测试集上的正确率：0.4034999907016754\n",
      "模型已保存\n",
      "-----第 5 轮训练开始-----\n",
      "训练次数：3200，Loss：1.3681577444076538\n",
      "训练次数：3300，Loss：1.5126806497573853\n",
      "训练次数：3400，Loss：1.496009111404419\n",
      "训练次数：3500，Loss：1.5612006187438965\n",
      "训练次数：3600，Loss：1.5879095792770386\n",
      "训练次数：3700，Loss：1.3388112783432007\n",
      "训练次数：3800，Loss：1.2843410968780518\n",
      "训练次数：3900，Loss：1.4247167110443115\n",
      "整体测试集上的Loss：254.64410090446472\n",
      "整体测试集上的正确率：0.4162999987602234\n",
      "模型已保存\n",
      "-----第 6 轮训练开始-----\n",
      "训练次数：4000，Loss：1.4355524778366089\n",
      "训练次数：4100，Loss：1.467890739440918\n",
      "训练次数：4200，Loss：1.5169270038604736\n",
      "训练次数：4300，Loss：1.199944257736206\n",
      "训练次数：4400，Loss：1.172995686531067\n",
      "训练次数：4500，Loss：1.3407166004180908\n",
      "训练次数：4600，Loss：1.417804479598999\n",
      "整体测试集上的Loss：245.55124926567078\n",
      "整体测试集上的正确率：0.4399000108242035\n",
      "模型已保存\n",
      "-----第 7 轮训练开始-----\n",
      "训练次数：4700，Loss：1.3220632076263428\n",
      "训练次数：4800，Loss：1.5399339199066162\n",
      "训练次数：4900，Loss：1.4223642349243164\n",
      "训练次数：5000，Loss：1.432321548461914\n",
      "训练次数：5100，Loss：1.017971396446228\n",
      "训练次数：5200，Loss：1.3004764318466187\n",
      "训练次数：5300，Loss：1.2478861808776855\n",
      "训练次数：5400，Loss：1.401055097579956\n",
      "整体测试集上的Loss：237.160910487175\n",
      "整体测试集上的正确率：0.46000000834465027\n",
      "模型已保存\n",
      "-----第 8 轮训练开始-----\n",
      "训练次数：5500，Loss：1.2419700622558594\n",
      "训练次数：5600，Loss：1.2860450744628906\n",
      "训练次数：5700，Loss：1.2340316772460938\n",
      "训练次数：5800，Loss：1.2950438261032104\n",
      "训练次数：5900，Loss：1.3835818767547607\n",
      "训练次数：6000，Loss：1.5290265083312988\n",
      "训练次数：6100，Loss：1.0339772701263428\n",
      "训练次数：6200，Loss：1.1568495035171509\n",
      "整体测试集上的Loss：229.54707419872284\n",
      "整体测试集上的正确率：0.47859999537467957\n",
      "模型已保存\n",
      "-----第 9 轮训练开始-----\n",
      "训练次数：6300，Loss：1.4557569026947021\n",
      "训练次数：6400，Loss：1.1302629709243774\n",
      "训练次数：6500，Loss：1.5682624578475952\n",
      "训练次数：6600，Loss：1.1243321895599365\n",
      "训练次数：6700，Loss：1.1435623168945312\n",
      "训练次数：6800，Loss：1.125715970993042\n",
      "训练次数：6900，Loss：1.1060220003128052\n",
      "训练次数：7000，Loss：0.971026599407196\n",
      "整体测试集上的Loss：217.55635011196136\n",
      "整体测试集上的正确率：0.5054000020027161\n",
      "模型已保存\n",
      "-----第 10 轮训练开始-----\n",
      "训练次数：7100，Loss：1.3340775966644287\n",
      "训练次数：7200，Loss：0.9736936688423157\n",
      "训练次数：7300，Loss：1.099505066871643\n",
      "训练次数：7400，Loss：0.8387444019317627\n",
      "训练次数：7500，Loss：1.2155531644821167\n",
      "训练次数：7600，Loss：1.2118051052093506\n",
      "训练次数：7700，Loss：0.8927739262580872\n",
      "训练次数：7800，Loss：1.2374874353408813\n",
      "整体测试集上的Loss：206.82526969909668\n",
      "整体测试集上的正确率：0.5320000052452087\n",
      "模型已保存\n"
     ]
    }
   ],
   "source": [
    "import torchvision\n",
    "import torch\n",
    "from torch import nn\n",
    "from torch.utils.data import DataLoader\n",
    "from torch.utils.tensorboard import SummaryWriter\n",
    "\n",
    "# from model import * 相当于把 model中的所有内容写到这里，这里直接把 model 写在这里\n",
    "class Tudui(nn.Module):\n",
    "    def __init__(self):\n",
    "        super(Tudui, self).__init__()        \n",
    "        self.model1 = nn.Sequential(\n",
    "            nn.Conv2d(3,32,5,1,2),  # 输入通道3，输出通道32，卷积核尺寸5×5，步长1，填充2    \n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Conv2d(32,32,5,1,2),\n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Conv2d(32,64,5,1,2),\n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Flatten(),  # 展平后变成 64*4*4 了\n",
    "            nn.Linear(64*4*4,64),\n",
    "            nn.Linear(64,10)\n",
    "        )\n",
    "        \n",
    "    def forward(self, x):\n",
    "        x = self.model1(x)\n",
    "        return x\n",
    "\n",
    "# 准备数据集\n",
    "train_data = torchvision.datasets.CIFAR10(\"./dataset\",train=True,transform=torchvision.transforms.ToTensor(),download=True)       \n",
    "test_data = torchvision.datasets.CIFAR10(\"./dataset\",train=False,transform=torchvision.transforms.ToTensor(),download=True)       \n",
    "\n",
    "# length 长度\n",
    "train_data_size = len(train_data)\n",
    "test_data_size = len(test_data)\n",
    "# 如果train_data_size=10，则打印：训练数据集的长度为：10\n",
    "print(\"训练数据集的长度：{}\".format(train_data_size))\n",
    "print(\"测试数据集的长度：{}\".format(test_data_size))\n",
    "\n",
    "# 利用 Dataloader 来加载数据集\n",
    "train_dataloader = DataLoader(train_data, batch_size=64)        \n",
    "test_dataloader = DataLoader(test_data, batch_size=64)\n",
    "\n",
    "# 创建网络模型\n",
    "tudui = Tudui() \n",
    "\n",
    "# 损失函数\n",
    "loss_fn = nn.CrossEntropyLoss() # 交叉熵，fn 是 fuction 的缩写\n",
    "\n",
    "# 优化器\n",
    "learning = 0.01  # 1e-2 就是 0.01 的意思\n",
    "optimizer = torch.optim.SGD(tudui.parameters(),learning)   # 随机梯度下降优化器  \n",
    "\n",
    "# 设置网络的一些参数\n",
    "# 记录训练的次数\n",
    "total_train_step = 0\n",
    "# 记录测试的次数\n",
    "total_test_step = 0\n",
    "\n",
    "# 训练的轮次\n",
    "epoch = 10\n",
    "\n",
    "# 添加 tensorboard\n",
    "writer = SummaryWriter(\"logs\")\n",
    "\n",
    "for i in range(epoch):\n",
    "    print(\"-----第 {} 轮训练开始-----\".format(i+1))\n",
    "    \n",
    "    # 训练步骤开始\n",
    "    for data in train_dataloader:\n",
    "        imgs, targets = data\n",
    "        outputs = tudui(imgs)\n",
    "        loss = loss_fn(outputs, targets) # 计算实际输出与目标输出的差距\n",
    "        \n",
    "        # 优化器对模型调优\n",
    "        optimizer.zero_grad()  # 梯度清零\n",
    "        loss.backward() # 反向传播，计算损失函数的梯度\n",
    "        optimizer.step()   # 根据梯度，对网络的参数进行调优\n",
    "        \n",
    "        total_train_step = total_train_step + 1\n",
    "        if total_train_step % 100 == 0:\n",
    "            print(\"训练次数：{}，Loss：{}\".format(total_train_step,loss.item()))  # 方式二：获得loss值\n",
    "            writer.add_scalar(\"train_loss\",loss.item(),total_train_step)\n",
    "    \n",
    "    # 测试步骤开始（每一轮训练后都查看在测试数据集上的loss情况）\n",
    "    total_test_loss = 0\n",
    "    total_accuracy = 0\n",
    "    with torch.no_grad():  # 没有梯度了\n",
    "        for data in test_dataloader: # 测试数据集提取数据\n",
    "            imgs, targets = data\n",
    "            outputs = tudui(imgs)\n",
    "            loss = loss_fn(outputs, targets) # 仅data数据在网络模型上的损失\n",
    "            total_test_loss = total_test_loss + loss.item() # 所有loss\n",
    "            accuracy = (outputs.argmax(1) == targets).sum()\n",
    "            total_accuracy = total_accuracy + accuracy\n",
    "            \n",
    "    print(\"整体测试集上的Loss：{}\".format(total_test_loss))\n",
    "    print(\"整体测试集上的正确率：{}\".format(total_accuracy/test_data_size))\n",
    "    writer.add_scalar(\"test_loss\",total_test_loss,total_test_step)\n",
    "    writer.add_scalar(\"test_accuracy\",total_accuracy/test_data_size,total_test_step)  \n",
    "    total_test_step = total_test_step + 1\n",
    "    \n",
    "    torch.save(tudui, \"./model/tudui_{}.pth\".format(i)) # 保存每一轮训练后的结果\n",
    "    print(\"模型已保存\")\n",
    "    \n",
    "writer.close()"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# 10. 特殊层作用"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "① model.train()和model.eval()的区别主要在于Batch Normalization和Dropout两层。\n",
    "\n",
    "② 如果模型中有BN层(Batch Normalization）和 Dropout，需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。对于Dropout，model.train()是随机取一部分网络连接来训练更新参数。\n",
    "\n",
    "③ 不启用 Batch Normalization 和 Dropout。\n",
    "如果模型中有BN层(Batch Normalization）和Dropout，在测试时添加model.eval()。model.eval()是保证BN层能够用全部训练数据的均值和方差，即测试过程中要保证BN层的均值和方差不变。对于Dropout，model.eval()是利用到了所有网络连接，即不进行随机舍弃神经元。\n",
    "\n",
    "④ 训练完train样本后，生成的模型model要用来测试样本。在model(test)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。这是model中含有BN层和Dropout所带来的的性质。\n",
    "\n",
    "⑤ 在做one classification的时候，训练集和测试集的样本分布是不一样的，尤其需要注意这一点。"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 9,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Files already downloaded and verified\n",
      "Files already downloaded and verified\n",
      "训练数据集的长度：50000\n",
      "测试数据集的长度：10000\n",
      "-----第 1 轮训练开始-----\n",
      "训练次数：100，Loss：2.292330265045166\n",
      "训练次数：200，Loss：2.2909886837005615\n",
      "训练次数：300，Loss：2.2775135040283203\n",
      "训练次数：400，Loss：2.2197389602661133\n",
      "训练次数：500，Loss：2.1354541778564453\n",
      "训练次数：600，Loss：2.034959077835083\n",
      "训练次数：700，Loss：2.0130105018615723\n",
      "整体测试集上的Loss：319.69296860694885\n",
      "整体测试集上的正确率：0.2678999900817871\n",
      "模型已保存\n",
      "-----第 2 轮训练开始-----\n",
      "训练次数：800，Loss：1.8924949169158936\n",
      "训练次数：900，Loss：1.8564952611923218\n",
      "训练次数：1000，Loss：1.9163199663162231\n",
      "训练次数：1100，Loss：1.972761631011963\n",
      "训练次数：1200，Loss：1.698002815246582\n",
      "训练次数：1300，Loss：1.6668578386306763\n",
      "训练次数：1400，Loss：1.7467551231384277\n",
      "训练次数：1500，Loss：1.8171281814575195\n",
      "整体测试集上的Loss：294.6422094106674\n",
      "整体测试集上的正确率：0.3321000039577484\n",
      "模型已保存\n",
      "-----第 3 轮训练开始-----\n",
      "训练次数：1600，Loss：1.7753604650497437\n",
      "训练次数：1700，Loss：1.637514591217041\n",
      "训练次数：1800，Loss：1.936806559562683\n",
      "训练次数：1900，Loss：1.710182785987854\n",
      "训练次数：2000，Loss：1.9697281122207642\n",
      "训练次数：2100，Loss：1.507324457168579\n",
      "训练次数：2200，Loss：1.4598215818405151\n",
      "训练次数：2300，Loss：1.8211809396743774\n",
      "整体测试集上的Loss：268.6419733762741\n",
      "整体测试集上的正确率：0.37880000472068787\n",
      "模型已保存\n",
      "-----第 4 轮训练开始-----\n",
      "训练次数：2400，Loss：1.696730136871338\n",
      "训练次数：2500，Loss：1.3451323509216309\n",
      "训练次数：2600，Loss：1.614168643951416\n",
      "训练次数：2700，Loss：1.5963644981384277\n",
      "训练次数：2800，Loss：1.4918489456176758\n",
      "训练次数：2900，Loss：1.6028531789779663\n",
      "训练次数：3000，Loss：1.3561456203460693\n",
      "训练次数：3100，Loss：1.5363717079162598\n",
      "整体测试集上的Loss：260.29946398735046\n",
      "整体测试集上的正确率：0.39590001106262207\n",
      "模型已保存\n",
      "-----第 5 轮训练开始-----\n",
      "训练次数：3200，Loss：1.3781168460845947\n",
      "训练次数：3300，Loss：1.4570066928863525\n",
      "训练次数：3400，Loss：1.4464694261550903\n",
      "训练次数：3500，Loss：1.5474085807800293\n",
      "训练次数：3600，Loss：1.5136005878448486\n",
      "训练次数：3700，Loss：1.3479602336883545\n",
      "训练次数：3800，Loss：1.2738752365112305\n",
      "训练次数：3900，Loss：1.483515977859497\n",
      "整体测试集上的Loss：243.80596554279327\n",
      "整体测试集上的正确率：0.4325999915599823\n",
      "模型已保存\n",
      "-----第 6 轮训练开始-----\n",
      "训练次数：4000，Loss：1.376009464263916\n",
      "训练次数：4100，Loss：1.4102662801742554\n",
      "训练次数：4200，Loss：1.5586539506912231\n",
      "训练次数：4300，Loss：1.202476978302002\n",
      "训练次数：4400，Loss：1.0953962802886963\n",
      "训练次数：4500，Loss：1.3712406158447266\n",
      "训练次数：4600，Loss：1.3603018522262573\n",
      "整体测试集上的Loss：229.96637046337128\n",
      "整体测试集上的正确率：0.4652999937534332\n",
      "模型已保存\n",
      "-----第 7 轮训练开始-----\n",
      "训练次数：4700，Loss：1.3486863374710083\n",
      "训练次数：4800，Loss：1.4762073755264282\n",
      "训练次数：4900，Loss：1.3585703372955322\n",
      "训练次数：5000，Loss：1.3923097848892212\n",
      "训练次数：5100，Loss：0.9942217469215393\n",
      "训练次数：5200，Loss：1.3098843097686768\n",
      "训练次数：5300，Loss：1.1401594877243042\n",
      "训练次数：5400，Loss：1.3566023111343384\n",
      "整体测试集上的Loss：217.51882588863373\n",
      "整体测试集上的正确率：0.499099999666214\n",
      "模型已保存\n",
      "-----第 8 轮训练开始-----\n",
      "训练次数：5500，Loss：1.25923752784729\n",
      "训练次数：5600，Loss：1.188690185546875\n",
      "训练次数：5700，Loss：1.223688006401062\n",
      "训练次数：5800，Loss：1.2504695653915405\n",
      "训练次数：5900，Loss：1.3733277320861816\n",
      "训练次数：6000，Loss：1.5391217470169067\n",
      "训练次数：6100，Loss：1.0835392475128174\n",
      "训练次数：6200，Loss：1.0833714008331299\n",
      "整体测试集上的Loss：206.92583346366882\n",
      "整体测试集上的正确率：0.5250999927520752\n",
      "模型已保存\n",
      "-----第 9 轮训练开始-----\n",
      "训练次数：6300，Loss：1.4169930219650269\n",
      "训练次数：6400，Loss：1.0912859439849854\n",
      "训练次数：6500，Loss：1.5215225219726562\n",
      "训练次数：6600，Loss：1.044875979423523\n",
      "训练次数：6700，Loss：1.091143012046814\n",
      "训练次数：6800，Loss：1.1253798007965088\n",
      "训练次数：6900，Loss：1.106575608253479\n",
      "训练次数：7000，Loss：0.8582056164741516\n",
      "整体测试集上的Loss：198.72406196594238\n",
      "整体测试集上的正确率：0.5472999811172485\n",
      "模型已保存\n",
      "-----第 10 轮训练开始-----\n",
      "训练次数：7100，Loss：1.2614285945892334\n",
      "训练次数：7200，Loss：1.0269255638122559\n",
      "训练次数：7300，Loss：1.104204773902893\n",
      "训练次数：7400，Loss：0.8442661166191101\n",
      "训练次数：7500，Loss：1.2488468885421753\n",
      "训练次数：7600，Loss：1.2494431734085083\n",
      "训练次数：7700，Loss：0.8363684415817261\n",
      "训练次数：7800，Loss：1.2570160627365112\n",
      "整体测试集上的Loss：193.20221555233002\n",
      "整体测试集上的正确率：0.5633000135421753\n",
      "模型已保存\n"
     ]
    }
   ],
   "source": [
    "import torchvision\n",
    "import torch\n",
    "from torch import nn\n",
    "from torch.utils.data import DataLoader\n",
    "from torch.utils.tensorboard import SummaryWriter\n",
    "\n",
    "# from model import * 相当于把 model中的所有内容写到这里，这里直接把 model 写在这里\n",
    "class Tudui(nn.Module):\n",
    "    def __init__(self):\n",
    "        super(Tudui, self).__init__()        \n",
    "        self.model1 = nn.Sequential(\n",
    "            nn.Conv2d(3,32,5,1,2),  # 输入通道3，输出通道32，卷积核尺寸5×5，步长1，填充2    \n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Conv2d(32,32,5,1,2),\n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Conv2d(32,64,5,1,2),\n",
    "            nn.MaxPool2d(2),\n",
    "            nn.Flatten(),  # 展平后变成 64*4*4 了\n",
    "            nn.Linear(64*4*4,64),\n",
    "            nn.Linear(64,10)\n",
    "        )\n",
    "        \n",
    "    def forward(self, x):\n",
    "        x = self.model1(x)\n",
    "        return x\n",
    "\n",
    "# 准备数据集\n",
    "train_data = torchvision.datasets.CIFAR10(\"./dataset\",train=True,transform=torchvision.transforms.ToTensor(),download=True)       \n",
    "test_data = torchvision.datasets.CIFAR10(\"./dataset\",train=False,transform=torchvision.transforms.ToTensor(),download=True)       \n",
    "\n",
    "# length 长度\n",
    "train_data_size = len(train_data)\n",
    "test_data_size = len(test_data)\n",
    "# 如果train_data_size=10，则打印：训练数据集的长度为：10\n",
    "print(\"训练数据集的长度：{}\".format(train_data_size))\n",
    "print(\"测试数据集的长度：{}\".format(test_data_size))\n",
    "\n",
    "# 利用 Dataloader 来加载数据集\n",
    "train_dataloader = DataLoader(train_data, batch_size=64)        \n",
    "test_dataloader = DataLoader(test_data, batch_size=64)\n",
    "\n",
    "# 创建网络模型\n",
    "tudui = Tudui() \n",
    "\n",
    "# 损失函数\n",
    "loss_fn = nn.CrossEntropyLoss() # 交叉熵，fn 是 fuction 的缩写\n",
    "\n",
    "# 优化器\n",
    "learning = 0.01  # 1e-2 就是 0.01 的意思\n",
    "optimizer = torch.optim.SGD(tudui.parameters(),learning)   # 随机梯度下降优化器  \n",
    "\n",
    "# 设置网络的一些参数\n",
    "# 记录训练的次数\n",
    "total_train_step = 0\n",
    "# 记录测试的次数\n",
    "total_test_step = 0\n",
    "\n",
    "# 训练的轮次\n",
    "epoch = 10\n",
    "\n",
    "# 添加 tensorboard\n",
    "writer = SummaryWriter(\"logs\")\n",
    "\n",
    "for i in range(epoch):\n",
    "    print(\"-----第 {} 轮训练开始-----\".format(i+1))\n",
    "    \n",
    "    # 训练步骤开始\n",
    "    tudui.train() # 当网络中有dropout层、batchnorm层时，这些层能起作用\n",
    "    for data in train_dataloader:\n",
    "        imgs, targets = data\n",
    "        outputs = tudui(imgs)\n",
    "        loss = loss_fn(outputs, targets) # 计算实际输出与目标输出的差距\n",
    "        \n",
    "        # 优化器对模型调优\n",
    "        optimizer.zero_grad()  # 梯度清零\n",
    "        loss.backward() # 反向传播，计算损失函数的梯度\n",
    "        optimizer.step()   # 根据梯度，对网络的参数进行调优\n",
    "        \n",
    "        total_train_step = total_train_step + 1\n",
    "        if total_train_step % 100 == 0:\n",
    "            print(\"训练次数：{}，Loss：{}\".format(total_train_step,loss.item()))  # 方式二：获得loss值\n",
    "            writer.add_scalar(\"train_loss\",loss.item(),total_train_step)\n",
    "    \n",
    "    # 测试步骤开始（每一轮训练后都查看在测试数据集上的loss情况）\n",
    "    tudui.eval()  # 当网络中有dropout层、batchnorm层时，这些层不能起作用\n",
    "    total_test_loss = 0\n",
    "    total_accuracy = 0\n",
    "    with torch.no_grad():  # 没有梯度了\n",
    "        for data in test_dataloader: # 测试数据集提取数据\n",
    "            imgs, targets = data\n",
    "            outputs = tudui(imgs)\n",
    "            loss = loss_fn(outputs, targets) # 仅data数据在网络模型上的损失\n",
    "            total_test_loss = total_test_loss + loss.item() # 所有loss\n",
    "            accuracy = (outputs.argmax(1) == targets).sum()\n",
    "            total_accuracy = total_accuracy + accuracy\n",
    "            \n",
    "    print(\"整体测试集上的Loss：{}\".format(total_test_loss))\n",
    "    print(\"整体测试集上的正确率：{}\".format(total_accuracy/test_data_size))\n",
    "    writer.add_scalar(\"test_loss\",total_test_loss,total_test_step)\n",
    "    writer.add_scalar(\"test_accuracy\",total_accuracy/test_data_size,total_test_step)  \n",
    "    total_test_step = total_test_step + 1\n",
    "    \n",
    "    torch.save(tudui, \"./model/tudui_{}.pth\".format(i)) # 保存每一轮训练后的结果\n",
    "    #torch.save(tudui.state_dict(),\"tudui_{}.path\".format(i)) # 保存方式二         \n",
    "    print(\"模型已保存\")\n",
    "    \n",
    "writer.close()"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3.6.3",
   "language": "python",
   "name": "python3.6.3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.6.3"
  },
  "toc": {
   "base_numbering": 1,
   "nav_menu": {},
   "number_sections": false,
   "sideBar": true,
   "skip_h1_title": false,
   "title_cell": "Table of Contents",
   "title_sidebar": "Contents",
   "toc_cell": false,
   "toc_position": {
    "height": "calc(100% - 180px)",
    "left": "10px",
    "top": "150px",
    "width": "350px"
   },
   "toc_section_display": true,
   "toc_window_display": true
  }
 },
 "nbformat": 4,
 "nbformat_minor": 4
}