File size: 405,134 Bytes
2575b30 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 | /Users/cfruan/miniconda3/envs/mlc-chat-venv/bin/python -m mlc_chat gen_config /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo --quantization q4f32_1 --conv-template LM --output /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmpcsk8pq_b --context-window-size 16384
[2024-01-29 17:13:09] INFO auto_config.py:115: [92mFound[0m model configuration: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/config.json
[2024-01-29 17:13:09] INFO auto_config.py:153: [92mFound[0m model type: [1mllama[0m. Use `--model-type` to override.
[2024-01-29 17:13:09] INFO llama_model.py:51: [1mcontext_window_size[0m not found in config.json. Falling back to [1mmax_position_embeddings[0m (16384)
[2024-01-29 17:13:09] INFO llama_model.py:71: [1mprefill_chunk_size[0m defaults to [1mcontext_window_size[0m (16384)
[2024-01-29 17:13:09] INFO config.py:106: Overriding [1mcontext_window_size[0m from 16384 to 16384
[2024-01-29 17:13:09] INFO config.py:106: Overriding [1mmax_batch_size[0m from 1 to 80
[2024-01-29 17:13:09] INFO gen_config.py:116: [generation_config.json] Setting [1mbos_token_id[0m: 1
[2024-01-29 17:13:09] INFO gen_config.py:116: [generation_config.json] Setting [1meos_token_id[0m: 2
[2024-01-29 17:13:09] INFO gen_config.py:128: [92mFound[0m tokenizer config: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/tokenizer.model. Copying to [1m/var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmpcsk8pq_b/tokenizer.model[0m
[2024-01-29 17:13:09] INFO gen_config.py:128: [92mFound[0m tokenizer config: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/tokenizer.json. Copying to [1m/var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmpcsk8pq_b/tokenizer.json[0m
[2024-01-29 17:13:09] INFO gen_config.py:130: [91mNot found[0m tokenizer config: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/vocab.json
[2024-01-29 17:13:09] INFO gen_config.py:130: [91mNot found[0m tokenizer config: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/merges.txt
[2024-01-29 17:13:09] INFO gen_config.py:130: [91mNot found[0m tokenizer config: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/added_tokens.json
[2024-01-29 17:13:09] INFO gen_config.py:128: [92mFound[0m tokenizer config: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/tokenizer_config.json. Copying to [1m/var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmpcsk8pq_b/tokenizer_config.json[0m
[2024-01-29 17:13:09] INFO gen_config.py:69: [System default] Setting [1mpad_token_id[0m: 0
[2024-01-29 17:13:09] INFO gen_config.py:69: [System default] Setting [1mtemperature[0m: 0.7
[2024-01-29 17:13:09] INFO gen_config.py:69: [System default] Setting [1mrepetition_penalty[0m: 1.0
[2024-01-29 17:13:09] INFO gen_config.py:69: [System default] Setting [1mtop_p[0m: 0.95
[2024-01-29 17:13:09] INFO gen_config.py:69: [System default] Setting [1mmean_gen_len[0m: 128
[2024-01-29 17:13:09] INFO gen_config.py:69: [System default] Setting [1mmax_gen_len[0m: 512
[2024-01-29 17:13:09] INFO gen_config.py:69: [System default] Setting [1mshift_fill_factor[0m: 0.3
[2024-01-29 17:13:09] INFO gen_config.py:158: Dumping configuration file to: [1m/var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmpcsk8pq_b/mlc-chat-config.json[0m
/Users/cfruan/miniconda3/envs/mlc-chat-venv/bin/python -m mlc_chat convert_weight /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo --quantization q4f32_1 --source-format auto --output /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmpcsk8pq_b
[2024-01-29 17:13:09] INFO auto_config.py:115: [92mFound[0m model configuration: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/config.json
[2024-01-29 17:13:10] INFO auto_device.py:85: [91mNot found[0m device: cuda:0
[2024-01-29 17:13:10] INFO auto_device.py:85: [91mNot found[0m device: rocm:0
[2024-01-29 17:13:10] INFO auto_device.py:76: [92mFound[0m device: metal:0
[2024-01-29 17:13:11] INFO auto_device.py:85: [91mNot found[0m device: vulkan:0
[2024-01-29 17:13:11] INFO auto_device.py:85: [91mNot found[0m device: opencl:0
[2024-01-29 17:13:11] INFO auto_device.py:33: Using device: [1mmetal:0[0m
[2024-01-29 17:13:11] INFO auto_weight.py:70: Finding weights in: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo
[2024-01-29 17:13:11] INFO auto_weight.py:120: [92mFound[0m source weight format: huggingface-torch. Source configuration: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/pytorch_model.bin.index.json
[2024-01-29 17:13:11] INFO auto_weight.py:143: [92mFound[0m source weight format: huggingface-safetensor. Source configuration: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/model.safetensors.index.json
[2024-01-29 17:13:11] INFO auto_weight.py:106: Using source weight configuration: [1m/var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/pytorch_model.bin.index.json[0m. Use `--source` to override.
[2024-01-29 17:13:11] INFO auto_weight.py:110: Using source weight format: [1mhuggingface-torch[0m. Use `--source-format` to override.
[2024-01-29 17:13:11] INFO auto_config.py:153: [92mFound[0m model type: [1mllama[0m. Use `--model-type` to override.
[2024-01-29 17:13:11] INFO llama_model.py:51: [1mcontext_window_size[0m not found in config.json. Falling back to [1mmax_position_embeddings[0m (16384)
[2024-01-29 17:13:11] INFO llama_model.py:71: [1mprefill_chunk_size[0m defaults to [1mcontext_window_size[0m (16384)
[1mWeight conversion with arguments:[0m
[1m--config[0m /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/config.json
[1m--quantization[0m GroupQuantize(name='q4f32_1', kind='group-quant', group_size=32, quantize_dtype='int4', storage_dtype='uint32', model_dtype='float32', linear_weight_layout='NK', num_elem_per_storage=8, num_storage_per_group=4, max_int_value=7)
[1m--model-type[0m llama
[1m--device[0m metal:0
[1m--source[0m /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/pytorch_model.bin.index.json
[1m--source-format[0m huggingface-torch
[1m--output[0m /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmpcsk8pq_b
0%| | 0/195 [00:00<?, ?it/s]
[2024-01-29 17:13:14] INFO huggingface_loader.py:169: Loading HF parameters from: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/pytorch_model-00003-of-00003.bin
0%| | 0/195 [00:00<?, ?it/s]
[2024-01-29 17:13:17] INFO group_quantization.py:227: Compiling quantize function for key: ((32016, 4096), float32, metal, axis=1, output_transpose=False)
0%| | 0/195 [00:02<?, ?it/s]
[2024-01-29 17:13:17] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mlm_head.q_weight[0m", shape: (32016, 512), dtype: uint32
0%| | 0/195 [00:03<?, ?it/s]
[2024-01-29 17:13:17] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mlm_head.q_scale[0m", shape: (32016, 128), dtype: float32
0%| | 0/195 [00:03<?, ?it/s]
1%|█▎ | 1/195 [00:03<09:45, 3.02s/it]
[2024-01-29 17:13:17] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.23.input_layernorm.weight[0m", shape: (4096,), dtype: float32
1%|█▎ | 1/195 [00:03<09:45, 3.02s/it]
[2024-01-29 17:13:17] INFO group_quantization.py:227: Compiling quantize function for key: ((4096, 11008), float32, metal, axis=1, output_transpose=False)
1%|█▎ | 1/195 [00:03<09:45, 3.02s/it]
[2024-01-29 17:13:17] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
1%|█▎ | 1/195 [00:03<09:45, 3.02s/it]
[2024-01-29 17:13:17] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
1%|█▎ | 1/195 [00:03<09:45, 3.02s/it]
2%|███▊ | 3/195 [00:03<02:38, 1.21it/s]
[2024-01-29 17:13:17] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.23.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
2%|███▊ | 3/195 [00:03<02:38, 1.21it/s]
[2024-01-29 17:13:17] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.24.input_layernorm.weight[0m", shape: (4096,), dtype: float32
2%|███▊ | 3/195 [00:03<02:38, 1.21it/s]
[2024-01-29 17:13:17] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
2%|███▊ | 3/195 [00:03<02:38, 1.21it/s]
[2024-01-29 17:13:17] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
2%|███▊ | 3/195 [00:03<02:38, 1.21it/s]
[2024-01-29 17:13:17] INFO group_quantization.py:227: Compiling quantize function for key: ((22016, 4096), float32, metal, axis=1, output_transpose=False)
2%|███▊ | 3/195 [00:03<02:38, 1.21it/s]
[2024-01-29 17:13:17] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
2%|███▊ | 3/195 [00:03<02:38, 1.21it/s]
[2024-01-29 17:13:17] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
2%|███▊ | 3/195 [00:03<02:38, 1.21it/s]
4%|████████▉ | 7/195 [00:03<00:56, 3.35it/s]
[2024-01-29 17:13:17] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.24.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
4%|████████▉ | 7/195 [00:03<00:56, 3.35it/s]
[2024-01-29 17:13:17] INFO group_quantization.py:227: Compiling quantize function for key: ((12288, 4096), float32, metal, axis=1, output_transpose=False)
4%|████████▉ | 7/195 [00:03<00:56, 3.35it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
4%|████████▉ | 7/195 [00:03<00:56, 3.35it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
4%|████████▉ | 7/195 [00:03<00:56, 3.35it/s]
5%|███████████▌ | 9/195 [00:03<00:40, 4.54it/s]
[2024-01-29 17:13:18] INFO group_quantization.py:227: Compiling quantize function for key: ((4096, 4096), float32, metal, axis=1, output_transpose=False)
5%|███████████▌ | 9/195 [00:03<00:40, 4.54it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
5%|███████████▌ | 9/195 [00:03<00:40, 4.54it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
5%|███████████▌ | 9/195 [00:03<00:40, 4.54it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.25.input_layernorm.weight[0m", shape: (4096,), dtype: float32
5%|███████████▌ | 9/195 [00:03<00:40, 4.54it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
5%|███████████▌ | 9/195 [00:03<00:40, 4.54it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
5%|███████████▌ | 9/195 [00:03<00:40, 4.54it/s]
6%|███████████████▎ | 12/195 [00:03<00:26, 6.98it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
6%|███████████████▎ | 12/195 [00:03<00:26, 6.98it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
6%|███████████████▎ | 12/195 [00:03<00:26, 6.98it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.25.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
6%|███████████████▎ | 12/195 [00:03<00:26, 6.98it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
6%|███████████████▎ | 12/195 [00:03<00:26, 6.98it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
6%|███████████████▎ | 12/195 [00:03<00:26, 6.98it/s]
8%|███████████████████▏ | 15/195 [00:03<00:20, 8.97it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
8%|███████████████████▏ | 15/195 [00:03<00:20, 8.97it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
8%|███████████████████▏ | 15/195 [00:03<00:20, 8.97it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.26.input_layernorm.weight[0m", shape: (4096,), dtype: float32
8%|███████████████████▏ | 15/195 [00:03<00:20, 8.97it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
8%|███████████████████▏ | 15/195 [00:03<00:20, 8.97it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
8%|███████████████████▏ | 15/195 [00:03<00:20, 8.97it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
8%|███████████████████▏ | 15/195 [00:03<00:20, 8.97it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
8%|███████████████████▏ | 15/195 [00:03<00:20, 8.97it/s]
10%|████████████████████████▎ | 19/195 [00:03<00:14, 12.35it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.26.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
10%|████████████████████████▎ | 19/195 [00:03<00:14, 12.35it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
10%|████████████████████████▎ | 19/195 [00:03<00:14, 12.35it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
10%|████████████████████████▎ | 19/195 [00:03<00:14, 12.35it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
10%|████████████████████████▎ | 19/195 [00:03<00:14, 12.35it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
10%|████████████████████████▎ | 19/195 [00:03<00:14, 12.35it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.27.input_layernorm.weight[0m", shape: (4096,), dtype: float32
10%|████████████████████████▎ | 19/195 [00:03<00:14, 12.35it/s]
12%|█████████████████████████████▎ | 23/195 [00:03<00:10, 16.61it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
12%|█████████████████████████████▎ | 23/195 [00:04<00:10, 16.61it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
12%|█████████████████████████████▎ | 23/195 [00:04<00:10, 16.61it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
12%|█████████████████████████████▎ | 23/195 [00:04<00:10, 16.61it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
12%|█████████████████████████████▎ | 23/195 [00:04<00:10, 16.61it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.27.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
12%|█████████████████████████████▎ | 23/195 [00:04<00:10, 16.61it/s]
13%|█████████████████████████████████▏ | 26/195 [00:04<00:09, 17.66it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
13%|█████████████████████████████████▏ | 26/195 [00:04<00:09, 17.66it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
13%|█████████████████████████████████▏ | 26/195 [00:04<00:09, 17.66it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
13%|█████████████████████████████████▏ | 26/195 [00:04<00:09, 17.66it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
13%|█████████████████████████████████▏ | 26/195 [00:04<00:09, 17.66it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.28.input_layernorm.weight[0m", shape: (4096,), dtype: float32
13%|█████████████████████████████████▏ | 26/195 [00:04<00:09, 17.66it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
13%|█████████████████████████████████▏ | 26/195 [00:04<00:09, 17.66it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
13%|█████████████████████████████████▏ | 26/195 [00:04<00:09, 17.66it/s]
15%|██████████████████████████████████████▎ | 30/195 [00:04<00:07, 21.14it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
15%|██████████████████████████████████████▎ | 30/195 [00:04<00:07, 21.14it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
15%|██████████████████████████████████████▎ | 30/195 [00:04<00:07, 21.14it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.28.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
15%|██████████████████████████████████████▎ | 30/195 [00:04<00:07, 21.14it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
15%|██████████████████████████████████████▎ | 30/195 [00:04<00:07, 21.14it/s]
[2024-01-29 17:13:18] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
15%|██████████████████████████████████████▎ | 30/195 [00:04<00:07, 21.14it/s]
17%|██████████████████████████████████████████▏ | 33/195 [00:04<00:08, 20.06it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
17%|██████████████████████████████████████████▏ | 33/195 [00:04<00:08, 20.06it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
17%|██████████████████████████████████████████▏ | 33/195 [00:04<00:08, 20.06it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.29.input_layernorm.weight[0m", shape: (4096,), dtype: float32
17%|██████████████████████████████████████████▏ | 33/195 [00:04<00:08, 20.06it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
17%|██████████████████████████████████████████▏ | 33/195 [00:04<00:08, 20.06it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
17%|██████████████████████████████████████████▏ | 33/195 [00:04<00:08, 20.06it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
17%|██████████████████████████████████████████▏ | 33/195 [00:04<00:08, 20.06it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
17%|██████████████████████████████████████████▏ | 33/195 [00:04<00:08, 20.06it/s]
19%|███████████████████████████████████████████████▏ | 37/195 [00:04<00:07, 21.77it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.29.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
19%|███████████████████████████████████████████████▏ | 37/195 [00:04<00:07, 21.77it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
19%|███████████████████████████████████████████████▏ | 37/195 [00:04<00:07, 21.77it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
19%|███████████████████████████████████████████████▏ | 37/195 [00:04<00:07, 21.77it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
19%|███████████████████████████████████████████████▏ | 37/195 [00:04<00:07, 21.77it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
19%|███████████████████████████████████████████████▏ | 37/195 [00:04<00:07, 21.77it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.30.input_layernorm.weight[0m", shape: (4096,), dtype: float32
19%|███████████████████████████████████████████████▏ | 37/195 [00:04<00:07, 21.77it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
19%|███████████████████████████████████████████████▏ | 37/195 [00:04<00:07, 21.77it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
19%|███████████████████████████████████████████████▏ | 37/195 [00:04<00:07, 21.77it/s]
22%|█████████████████████████████████████████████████████▋ | 42/195 [00:04<00:05, 25.93it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
22%|█████████████████████████████████████████████████████▋ | 42/195 [00:04<00:05, 25.93it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
22%|█████████████████████████████████████████████████████▋ | 42/195 [00:04<00:05, 25.93it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.30.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
22%|█████████████████████████████████████████████████████▋ | 42/195 [00:04<00:05, 25.93it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
22%|█████████████████████████████████████████████████████▋ | 42/195 [00:04<00:05, 25.93it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
22%|█████████████████████████████████████████████████████▋ | 42/195 [00:04<00:05, 25.93it/s]
23%|█████████████████████████████████████████████████████████▍ | 45/195 [00:04<00:06, 22.70it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
23%|█████████████████████████████████████████████████████████▍ | 45/195 [00:04<00:06, 22.70it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
23%|█████████████████████████████████████████████████████████▍ | 45/195 [00:04<00:06, 22.70it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.31.input_layernorm.weight[0m", shape: (4096,), dtype: float32
23%|█████████████████████████████████████████████████████████▍ | 45/195 [00:04<00:06, 22.70it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
23%|█████████████████████████████████████████████████████████▍ | 45/195 [00:04<00:06, 22.70it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
23%|█████████████████████████████████████████████████████████▍ | 45/195 [00:04<00:06, 22.70it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
23%|█████████████████████████████████████████████████████████▍ | 45/195 [00:05<00:06, 22.70it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
23%|█████████████████████████████████████████████████████████▍ | 45/195 [00:05<00:06, 22.70it/s]
25%|██████████████████████████████████████████████████████████████▌ | 49/195 [00:05<00:06, 23.61it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.31.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
25%|██████████████████████████████████████████████████████████████▌ | 49/195 [00:05<00:06, 23.61it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
25%|██████████████████████████████████████████████████████████████▌ | 49/195 [00:05<00:06, 23.61it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
25%|██████████████████████████████████████████████████████████████▌ | 49/195 [00:05<00:06, 23.61it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
25%|██████████████████████████████████████████████████████████████▌ | 49/195 [00:05<00:06, 23.61it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
25%|██████████████████████████████████████████████████████████████▌ | 49/195 [00:05<00:06, 23.61it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.norm.weight[0m", shape: (4096,), dtype: float32
25%|██████████████████████████████████████████████████████████████▌ | 49/195 [00:05<00:06, 23.61it/s]
27%|███████████████████████████████████████████████████████████████████▋ | 53/195 [00:05<00:05, 26.96it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:181: Unloading HF weight file: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/pytorch_model-00003-of-00003.bin
27%|███████████████████████████████████████████████████████████████████▋ | 53/195 [00:05<00:05, 26.96it/s]
[2024-01-29 17:13:19] INFO huggingface_loader.py:169: Loading HF parameters from: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/pytorch_model-00001-of-00003.bin
27%|███████████████████████████████████████████████████████████████████▋ | 53/195 [00:05<00:05, 26.96it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.embed_tokens.q_weight[0m", shape: (32016, 512), dtype: uint32
27%|███████████████████████████████████████████████████████████████████▋ | 53/195 [00:07<00:05, 26.96it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.embed_tokens.q_scale[0m", shape: (32016, 128), dtype: float32
27%|███████████████████████████████████████████████████████████████████▋ | 53/195 [00:07<00:05, 26.96it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.0.input_layernorm.weight[0m", shape: (4096,), dtype: float32
27%|███████████████████████████████████████████████████████████████████▋ | 53/195 [00:07<00:05, 26.96it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
27%|███████████████████████████████████████████████████████████████████▋ | 53/195 [00:07<00:05, 26.96it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
27%|███████████████████████████████████████████████████████████████████▋ | 53/195 [00:07<00:05, 26.96it/s]
29%|███████████████████████████████████████████████████████████████████████▌ | 56/195 [00:07<00:27, 5.09it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
29%|███████████████████████████████████████████████████████████████████████▌ | 56/195 [00:07<00:27, 5.09it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
29%|███████████████████████████████████████████████████████████████████████▌ | 56/195 [00:07<00:27, 5.09it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.0.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
29%|███████████████████████████████████████████████████████████████████████▌ | 56/195 [00:07<00:27, 5.09it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
29%|███████████████████████████████████████████████████████████████████████▌ | 56/195 [00:07<00:27, 5.09it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
29%|███████████████████████████████████████████████████████████████████████▌ | 56/195 [00:07<00:27, 5.09it/s]
30%|███████████████████████████████████████████████████████████████████████████▎ | 59/195 [00:07<00:21, 6.22it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
30%|███████████████████████████████████████████████████████████████████████████▎ | 59/195 [00:07<00:21, 6.22it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
30%|███████████████████████████████████████████████████████████████████████████▎ | 59/195 [00:07<00:21, 6.22it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.1.input_layernorm.weight[0m", shape: (4096,), dtype: float32
30%|███████████████████████████████████████████████████████████████████████████▎ | 59/195 [00:07<00:21, 6.22it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
30%|███████████████████████████████████████████████████████████████████████████▎ | 59/195 [00:07<00:21, 6.22it/s]
[2024-01-29 17:13:21] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
30%|███████████████████████████████████████████████████████████████████████████▎ | 59/195 [00:07<00:21, 6.22it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
30%|███████████████████████████████████████████████████████████████████████████▎ | 59/195 [00:07<00:21, 6.22it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
30%|███████████████████████████████████████████████████████████████████████████▎ | 59/195 [00:07<00:21, 6.22it/s]
32%|████████████████████████████████████████████████████████████████████████████████▍ | 63/195 [00:07<00:15, 8.37it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.1.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
32%|████████████████████████████████████████████████████████████████████████████████▍ | 63/195 [00:07<00:15, 8.37it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
32%|████████████████████████████████████████████████████████████████████████████████▍ | 63/195 [00:07<00:15, 8.37it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
32%|████████████████████████████████████████████████████████████████████████████████▍ | 63/195 [00:07<00:15, 8.37it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
32%|████████████████████████████████████████████████████████████████████████████████▍ | 63/195 [00:07<00:15, 8.37it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
32%|████████████████████████████████████████████████████████████████████████████████▍ | 63/195 [00:07<00:15, 8.37it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.10.input_layernorm.weight[0m", shape: (4096,), dtype: float32
32%|████████████████████████████████████████████████████████████████████████████████▍ | 63/195 [00:07<00:15, 8.37it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
32%|████████████████████████████████████████████████████████████████████████████████▍ | 63/195 [00:07<00:15, 8.37it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
32%|████████████████████████████████████████████████████████████████████████████████▍ | 63/195 [00:07<00:15, 8.37it/s]
35%|██████████████████████████████████████████████████████████████████████████████████████▊ | 68/195 [00:07<00:10, 11.94it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
35%|██████████████████████████████████████████████████████████████████████████████████████▊ | 68/195 [00:07<00:10, 11.94it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
35%|██████████████████████████████████████████████████████████████████████████████████████▊ | 68/195 [00:07<00:10, 11.94it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.10.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
35%|██████████████████████████████████████████████████████████████████████████████████████▊ | 68/195 [00:07<00:10, 11.94it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
35%|██████████████████████████████████████████████████████████████████████████████████████▊ | 68/195 [00:07<00:10, 11.94it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
35%|██████████████████████████████████████████████████████████████████████████████████████▊ | 68/195 [00:07<00:10, 11.94it/s]
36%|██████████████████████████████████████████████████████████████████████████████████████████▋ | 71/195 [00:07<00:09, 12.95it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
36%|██████████████████████████████████████████████████████████████████████████████████████████▋ | 71/195 [00:07<00:09, 12.95it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
36%|██████████████████████████████████████████████████████████████████████████████████████████▋ | 71/195 [00:07<00:09, 12.95it/s]
[2024-01-29 17:13:22] INFO huggingface_loader.py:169: Loading HF parameters from: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/pytorch_model-00002-of-00003.bin
36%|██████████████████████████████████████████████████████████████████████████████████████████▋ | 71/195 [00:07<00:09, 12.95it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.11.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
36%|██████████████████████████████████████████████████████████████████████████████████████████▋ | 71/195 [00:10<00:09, 12.95it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.11.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
36%|██████████████████████████████████████████████████████████████████████████████████████████▋ | 71/195 [00:10<00:09, 12.95it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.11.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
36%|██████████████████████████████████████████████████████████████████████████████████████████▋ | 71/195 [00:10<00:09, 12.95it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.11.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
36%|██████████████████████████████████████████████████████████████████████████████████████████▋ | 71/195 [00:10<00:09, 12.95it/s]
38%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 74/195 [00:10<00:39, 3.08it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.11.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
38%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 74/195 [00:10<00:39, 3.08it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.11.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
38%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 74/195 [00:10<00:39, 3.08it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.2.input_layernorm.weight[0m", shape: (4096,), dtype: float32
38%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 74/195 [00:10<00:39, 3.08it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
38%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 74/195 [00:10<00:39, 3.08it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
38%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 74/195 [00:10<00:39, 3.08it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
38%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 74/195 [00:11<00:39, 3.08it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
38%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 74/195 [00:11<00:39, 3.08it/s]
40%|███████████████████████████████████████████████████████████████████████████████████████████████████▌ | 78/195 [00:11<00:27, 4.32it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.2.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
40%|███████████████████████████████████████████████████████████████████████████████████████████████████▌ | 78/195 [00:11<00:27, 4.32it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
40%|███████████████████████████████████████████████████████████████████████████████████████████████████▌ | 78/195 [00:11<00:27, 4.32it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
40%|███████████████████████████████████████████████████████████████████████████████████████████████████▌ | 78/195 [00:11<00:27, 4.32it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
40%|███████████████████████████████████████████████████████████████████████████████████████████████████▌ | 78/195 [00:11<00:27, 4.32it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
40%|███████████████████████████████████████████████████████████████████████████████████████████████████▌ | 78/195 [00:11<00:27, 4.32it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.3.input_layernorm.weight[0m", shape: (4096,), dtype: float32
40%|███████████████████████████████████████████████████████████████████████████████████████████████████▌ | 78/195 [00:11<00:27, 4.32it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
40%|███████████████████████████████████████████████████████████████████████████████████████████████████▌ | 78/195 [00:11<00:27, 4.32it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
40%|███████████████████████████████████████████████████████████████████████████████████████████████████▌ | 78/195 [00:11<00:27, 4.32it/s]
43%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 83/195 [00:11<00:17, 6.43it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
43%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 83/195 [00:11<00:17, 6.43it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
43%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 83/195 [00:11<00:17, 6.43it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.3.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
43%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 83/195 [00:11<00:17, 6.43it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
43%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 83/195 [00:11<00:17, 6.43it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
43%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 83/195 [00:11<00:17, 6.43it/s]
44%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 86/195 [00:11<00:14, 7.54it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
44%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 86/195 [00:11<00:14, 7.54it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
44%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 86/195 [00:11<00:14, 7.54it/s]
[2024-01-29 17:13:25] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.4.input_layernorm.weight[0m", shape: (4096,), dtype: float32
44%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 86/195 [00:11<00:14, 7.54it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
44%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 86/195 [00:11<00:14, 7.54it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
44%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 86/195 [00:11<00:14, 7.54it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
44%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 86/195 [00:11<00:14, 7.54it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
44%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 86/195 [00:11<00:14, 7.54it/s]
46%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 90/195 [00:11<00:10, 9.69it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.4.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
46%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 90/195 [00:11<00:10, 9.69it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
46%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 90/195 [00:11<00:10, 9.69it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
46%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 90/195 [00:11<00:10, 9.69it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
46%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 90/195 [00:11<00:10, 9.69it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
46%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 90/195 [00:11<00:10, 9.69it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.5.input_layernorm.weight[0m", shape: (4096,), dtype: float32
46%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 90/195 [00:11<00:10, 9.69it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
46%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 90/195 [00:11<00:10, 9.69it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
46%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 90/195 [00:11<00:10, 9.69it/s]
49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 95/195 [00:11<00:07, 13.29it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 95/195 [00:11<00:07, 13.29it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 95/195 [00:11<00:07, 13.29it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.5.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 95/195 [00:11<00:07, 13.29it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 95/195 [00:11<00:07, 13.29it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
49%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 95/195 [00:11<00:07, 13.29it/s]
50%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 98/195 [00:11<00:06, 13.93it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
50%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 98/195 [00:11<00:06, 13.93it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
50%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 98/195 [00:11<00:06, 13.93it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.6.input_layernorm.weight[0m", shape: (4096,), dtype: float32
50%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 98/195 [00:11<00:06, 13.93it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
50%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 98/195 [00:11<00:06, 13.93it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
50%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 98/195 [00:11<00:06, 13.93it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
50%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 98/195 [00:11<00:06, 13.93it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
50%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 98/195 [00:11<00:06, 13.93it/s]
52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 102/195 [00:11<00:05, 16.29it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.6.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 102/195 [00:11<00:05, 16.29it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 102/195 [00:12<00:05, 16.29it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 102/195 [00:12<00:05, 16.29it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 102/195 [00:12<00:05, 16.29it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
52%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 102/195 [00:12<00:05, 16.29it/s]
54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 105/195 [00:12<00:04, 18.38it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.7.input_layernorm.weight[0m", shape: (4096,), dtype: float32
54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 105/195 [00:12<00:04, 18.38it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 105/195 [00:12<00:04, 18.38it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 105/195 [00:12<00:04, 18.38it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 105/195 [00:12<00:04, 18.38it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
54%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 105/195 [00:12<00:04, 18.38it/s]
55%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 108/195 [00:12<00:04, 19.25it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.7.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
55%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 108/195 [00:12<00:04, 19.25it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
55%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 108/195 [00:12<00:04, 19.25it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
55%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 108/195 [00:12<00:04, 19.25it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
55%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 108/195 [00:12<00:04, 19.25it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
55%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 108/195 [00:12<00:04, 19.25it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.8.input_layernorm.weight[0m", shape: (4096,), dtype: float32
55%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 108/195 [00:12<00:04, 19.25it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
55%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 108/195 [00:12<00:04, 19.25it/s]
[2024-01-29 17:13:26] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
55%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 108/195 [00:12<00:04, 19.25it/s]
58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 113/195 [00:12<00:03, 23.71it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 113/195 [00:12<00:03, 23.71it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 113/195 [00:12<00:03, 23.71it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.8.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 113/195 [00:12<00:03, 23.71it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 113/195 [00:12<00:03, 23.71it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 113/195 [00:12<00:03, 23.71it/s]
59%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 116/195 [00:12<00:03, 21.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
59%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 116/195 [00:12<00:03, 21.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
59%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 116/195 [00:12<00:03, 21.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.9.input_layernorm.weight[0m", shape: (4096,), dtype: float32
59%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 116/195 [00:12<00:03, 21.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
59%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 116/195 [00:12<00:03, 21.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
59%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 116/195 [00:12<00:03, 21.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
59%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 116/195 [00:12<00:03, 21.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
59%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 116/195 [00:12<00:03, 21.38it/s]
62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 120/195 [00:12<00:03, 22.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.9.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 120/195 [00:12<00:03, 22.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 120/195 [00:12<00:03, 22.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 120/195 [00:12<00:03, 22.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 120/195 [00:12<00:03, 22.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 120/195 [00:12<00:03, 22.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.11.input_layernorm.weight[0m", shape: (4096,), dtype: float32
62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 120/195 [00:12<00:03, 22.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.11.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 120/195 [00:12<00:03, 22.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.11.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
62%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 120/195 [00:12<00:03, 22.73it/s]
64%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 125/195 [00:12<00:02, 26.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.11.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
64%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 125/195 [00:12<00:02, 26.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.12.input_layernorm.weight[0m", shape: (4096,), dtype: float32
64%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 125/195 [00:12<00:02, 26.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
64%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 125/195 [00:12<00:02, 26.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
64%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 125/195 [00:12<00:02, 26.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
64%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 125/195 [00:12<00:02, 26.73it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
64%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 125/195 [00:12<00:02, 26.73it/s]
66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 129/195 [00:12<00:02, 27.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.12.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 129/195 [00:12<00:02, 27.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 129/195 [00:13<00:02, 27.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 129/195 [00:13<00:02, 27.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 129/195 [00:13<00:02, 27.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 129/195 [00:13<00:02, 27.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.13.input_layernorm.weight[0m", shape: (4096,), dtype: float32
66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 129/195 [00:13<00:02, 27.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 129/195 [00:13<00:02, 27.38it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
66%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 129/195 [00:13<00:02, 27.38it/s]
69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 134/195 [00:13<00:02, 30.12it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 134/195 [00:13<00:02, 30.12it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 134/195 [00:13<00:02, 30.12it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.13.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 134/195 [00:13<00:02, 30.12it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 134/195 [00:13<00:02, 30.12it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 134/195 [00:13<00:02, 30.12it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 134/195 [00:13<00:02, 30.12it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
69%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 134/195 [00:13<00:02, 30.12it/s]
71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 138/195 [00:13<00:02, 26.72it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.14.input_layernorm.weight[0m", shape: (4096,), dtype: float32
71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 138/195 [00:13<00:02, 26.72it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 138/195 [00:13<00:02, 26.72it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 138/195 [00:13<00:02, 26.72it/s]
[2024-01-29 17:13:27] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 138/195 [00:13<00:02, 26.72it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
71%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 138/195 [00:13<00:02, 26.72it/s]
72%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 141/195 [00:13<00:02, 25.37it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.14.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
72%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 141/195 [00:13<00:02, 25.37it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
72%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 141/195 [00:13<00:02, 25.37it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
72%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 141/195 [00:13<00:02, 25.37it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
72%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 141/195 [00:13<00:02, 25.37it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
72%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 141/195 [00:13<00:02, 25.37it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.15.input_layernorm.weight[0m", shape: (4096,), dtype: float32
72%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 141/195 [00:13<00:02, 25.37it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
72%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 141/195 [00:13<00:02, 25.37it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
72%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 141/195 [00:13<00:02, 25.37it/s]
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 146/195 [00:13<00:01, 28.87it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 146/195 [00:13<00:01, 28.87it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 146/195 [00:13<00:01, 28.87it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.15.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 146/195 [00:13<00:01, 28.87it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 146/195 [00:13<00:01, 28.87it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 146/195 [00:13<00:01, 28.87it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 146/195 [00:13<00:01, 28.87it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 146/195 [00:13<00:01, 28.87it/s]
77%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 150/195 [00:13<00:01, 25.89it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.16.input_layernorm.weight[0m", shape: (4096,), dtype: float32
77%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 150/195 [00:13<00:01, 25.89it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
77%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 150/195 [00:13<00:01, 25.89it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
77%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 150/195 [00:13<00:01, 25.89it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
77%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 150/195 [00:13<00:01, 25.89it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
77%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 150/195 [00:13<00:01, 25.89it/s]
78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 153/195 [00:13<00:01, 24.95it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.16.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 153/195 [00:13<00:01, 24.95it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 153/195 [00:13<00:01, 24.95it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 153/195 [00:13<00:01, 24.95it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 153/195 [00:13<00:01, 24.95it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 153/195 [00:13<00:01, 24.95it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.17.input_layernorm.weight[0m", shape: (4096,), dtype: float32
78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 153/195 [00:13<00:01, 24.95it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 153/195 [00:14<00:01, 24.95it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 153/195 [00:14<00:01, 24.95it/s]
81%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 158/195 [00:14<00:01, 28.24it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
81%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 158/195 [00:14<00:01, 28.24it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
81%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 158/195 [00:14<00:01, 28.24it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.17.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
81%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 158/195 [00:14<00:01, 28.24it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
81%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 158/195 [00:14<00:01, 28.24it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
81%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 158/195 [00:14<00:01, 28.24it/s]
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 161/195 [00:14<00:01, 24.33it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 161/195 [00:14<00:01, 24.33it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 161/195 [00:14<00:01, 24.33it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.18.input_layernorm.weight[0m", shape: (4096,), dtype: float32
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 161/195 [00:14<00:01, 24.33it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 161/195 [00:14<00:01, 24.33it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 161/195 [00:14<00:01, 24.33it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 161/195 [00:14<00:01, 24.33it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 161/195 [00:14<00:01, 24.33it/s]
85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 165/195 [00:14<00:01, 25.18it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.18.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 165/195 [00:14<00:01, 25.18it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 165/195 [00:14<00:01, 25.18it/s]
[2024-01-29 17:13:28] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 165/195 [00:14<00:01, 25.18it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 165/195 [00:14<00:01, 25.18it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 165/195 [00:14<00:01, 25.18it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.19.input_layernorm.weight[0m", shape: (4096,), dtype: float32
85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 165/195 [00:14<00:01, 25.18it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 165/195 [00:14<00:01, 25.18it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 165/195 [00:14<00:01, 25.18it/s]
87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 170/195 [00:14<00:00, 28.77it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 170/195 [00:14<00:00, 28.77it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 170/195 [00:14<00:00, 28.77it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.19.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 170/195 [00:14<00:00, 28.77it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 170/195 [00:14<00:00, 28.77it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
87%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 170/195 [00:14<00:00, 28.77it/s]
89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 173/195 [00:14<00:00, 25.24it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 173/195 [00:14<00:00, 25.24it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 173/195 [00:14<00:00, 25.24it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.20.input_layernorm.weight[0m", shape: (4096,), dtype: float32
89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 173/195 [00:14<00:00, 25.24it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 173/195 [00:14<00:00, 25.24it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 173/195 [00:14<00:00, 25.24it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 173/195 [00:14<00:00, 25.24it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 173/195 [00:14<00:00, 25.24it/s]
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 177/195 [00:14<00:00, 25.67it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.20.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 177/195 [00:14<00:00, 25.67it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 177/195 [00:14<00:00, 25.67it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 177/195 [00:14<00:00, 25.67it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 177/195 [00:14<00:00, 25.67it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 177/195 [00:14<00:00, 25.67it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.21.input_layernorm.weight[0m", shape: (4096,), dtype: float32
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 177/195 [00:14<00:00, 25.67it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 177/195 [00:14<00:00, 25.67it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
91%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 177/195 [00:14<00:00, 25.67it/s]
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 182/195 [00:14<00:00, 28.86it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 182/195 [00:15<00:00, 28.86it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 182/195 [00:15<00:00, 28.86it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.21.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 182/195 [00:15<00:00, 28.86it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 182/195 [00:15<00:00, 28.86it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 182/195 [00:15<00:00, 28.86it/s]
95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 185/195 [00:15<00:00, 24.61it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 185/195 [00:15<00:00, 24.61it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 185/195 [00:15<00:00, 24.61it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.22.input_layernorm.weight[0m", shape: (4096,), dtype: float32
95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 185/195 [00:15<00:00, 24.61it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32
95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 185/195 [00:15<00:00, 24.61it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32
95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 185/195 [00:15<00:00, 24.61it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 185/195 [00:15<00:00, 24.61it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 185/195 [00:15<00:00, 24.61it/s]
97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 189/195 [00:15<00:00, 24.98it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.22.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 189/195 [00:15<00:00, 24.98it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 189/195 [00:15<00:00, 24.98it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 189/195 [00:15<00:00, 24.98it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 189/195 [00:15<00:00, 24.98it/s]
[2024-01-29 17:13:29] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 189/195 [00:15<00:00, 24.98it/s]
[2024-01-29 17:13:30] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32
97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 189/195 [00:15<00:00, 24.98it/s]
[2024-01-29 17:13:30] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32
97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 189/195 [00:15<00:00, 24.98it/s]
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 193/195 [00:15<00:00, 23.43it/s]
[2024-01-29 17:13:30] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 193/195 [00:15<00:00, 23.43it/s]
[2024-01-29 17:13:30] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 193/195 [00:15<00:00, 23.43it/s]
[2024-01-29 17:13:30] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 193/195 [00:15<00:00, 23.43it/s]
[2024-01-29 17:13:30] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32
99%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 193/195 [00:15<00:00, 23.43it/s]
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 195/195 [00:15<00:00, 12.55it/s]
[2024-01-29 17:13:30] INFO huggingface_loader.py:181: Unloading HF weight file: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/pytorch_model-00001-of-00003.bin
[2024-01-29 17:13:30] INFO huggingface_loader.py:181: Unloading HF weight file: /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmp0gylzyfj/repo/pytorch_model-00002-of-00003.bin
[2024-01-29 17:13:30] INFO stats.py:76: [92mTime usage[0m: HF loading: 7.795 sec; Pre-quantization mapping: 3.627 sec; Quantization: 0.642 sec
[2024-01-29 17:13:30] INFO stats.py:90: [92mRAM usage[0m: Peak RAM: 18.415 GB. Total bytes loaded from disk: 25.103 GB
[2024-01-29 17:13:30] INFO convert_weight.py:121: [92mParameter size[0m after quantization: 3.923 GB
[2024-01-29 17:13:30] INFO convert_weight.py:126: [92mTotal parameters[0m: 6,738,546,688
[2024-01-29 17:13:30] INFO convert_weight.py:127: [92mBits per parameter[0m: 5.001
Start storing to cache /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmpcsk8pq_b
[0001/0325] saving lm_head.q_weight
[0002/0325] saving lm_head.q_scale
[0003/0325] saving model.layers.23.input_layernorm.weight
[0004/0325] saving model.layers.23.mlp.down_proj.q_weight
[0005/0325] saving model.layers.23.mlp.down_proj.q_scale
[0006/0325] saving model.layers.23.post_attention_layernorm.weight
[0007/0325] saving model.layers.24.input_layernorm.weight
[0008/0325] saving model.layers.24.mlp.down_proj.q_weight
[0009/0325] saving model.layers.24.mlp.down_proj.q_scale
[0010/0325] saving model.layers.24.mlp.gate_up_proj.q_weight
[0011/0325] saving model.layers.24.mlp.gate_up_proj.q_scale
[0012/0325] saving model.layers.24.post_attention_layernorm.weight
[0013/0325] saving model.layers.24.self_attn.qkv_proj.q_weight
[0014/0325] saving model.layers.24.self_attn.qkv_proj.q_scale
[0015/0325] saving model.layers.24.self_attn.o_proj.q_weight
[0016/0325] saving model.layers.24.self_attn.o_proj.q_scale
[0017/0325] saving model.layers.25.input_layernorm.weight
[0018/0325] saving model.layers.25.mlp.down_proj.q_weight
[0019/0325] saving model.layers.25.mlp.down_proj.q_scale
[0020/0325] saving model.layers.25.mlp.gate_up_proj.q_weight
[0021/0325] saving model.layers.25.mlp.gate_up_proj.q_scale
[0022/0325] saving model.layers.25.post_attention_layernorm.weight
[0023/0325] saving model.layers.25.self_attn.qkv_proj.q_weight
[0024/0325] saving model.layers.25.self_attn.qkv_proj.q_scale
[0025/0325] saving model.layers.25.self_attn.o_proj.q_weight
[0026/0325] saving model.layers.25.self_attn.o_proj.q_scale
[0027/0325] saving model.layers.26.input_layernorm.weight
[0028/0325] saving model.layers.26.mlp.down_proj.q_weight
[0029/0325] saving model.layers.26.mlp.down_proj.q_scale
[0030/0325] saving model.layers.26.mlp.gate_up_proj.q_weight
[0031/0325] saving model.layers.26.mlp.gate_up_proj.q_scale
[0032/0325] saving model.layers.26.post_attention_layernorm.weight
[0033/0325] saving model.layers.26.self_attn.qkv_proj.q_weight
[0034/0325] saving model.layers.26.self_attn.qkv_proj.q_scale
[0035/0325] saving model.layers.26.self_attn.o_proj.q_weight
[0036/0325] saving model.layers.26.self_attn.o_proj.q_scale
[0037/0325] saving model.layers.27.input_layernorm.weight
[0038/0325] saving model.layers.27.mlp.down_proj.q_weight
[0039/0325] saving model.layers.27.mlp.down_proj.q_scale
[0040/0325] saving model.layers.27.mlp.gate_up_proj.q_weight
[0041/0325] saving model.layers.27.mlp.gate_up_proj.q_scale
[0042/0325] saving model.layers.27.post_attention_layernorm.weight
[0043/0325] saving model.layers.27.self_attn.qkv_proj.q_weight
[0044/0325] saving model.layers.27.self_attn.qkv_proj.q_scale
[0045/0325] saving model.layers.27.self_attn.o_proj.q_weight
[0046/0325] saving model.layers.27.self_attn.o_proj.q_scale
[0047/0325] saving model.layers.28.input_layernorm.weight
[0048/0325] saving model.layers.28.mlp.down_proj.q_weight
[0049/0325] saving model.layers.28.mlp.down_proj.q_scale
[0050/0325] saving model.layers.28.mlp.gate_up_proj.q_weight
[0051/0325] saving model.layers.28.mlp.gate_up_proj.q_scale
[0052/0325] saving model.layers.28.post_attention_layernorm.weight
[0053/0325] saving model.layers.28.self_attn.qkv_proj.q_weight
[0054/0325] saving model.layers.28.self_attn.qkv_proj.q_scale
[0055/0325] saving model.layers.28.self_attn.o_proj.q_weight
[0056/0325] saving model.layers.28.self_attn.o_proj.q_scale
[0057/0325] saving model.layers.29.input_layernorm.weight
[0058/0325] saving model.layers.29.mlp.down_proj.q_weight
[0059/0325] saving model.layers.29.mlp.down_proj.q_scale
[0060/0325] saving model.layers.29.mlp.gate_up_proj.q_weight
[0061/0325] saving model.layers.29.mlp.gate_up_proj.q_scale
[0062/0325] saving model.layers.29.post_attention_layernorm.weight
[0063/0325] saving model.layers.29.self_attn.qkv_proj.q_weight
[0064/0325] saving model.layers.29.self_attn.qkv_proj.q_scale
[0065/0325] saving model.layers.29.self_attn.o_proj.q_weight
[0066/0325] saving model.layers.29.self_attn.o_proj.q_scale
[0067/0325] saving model.layers.30.input_layernorm.weight
[0068/0325] saving model.layers.30.mlp.down_proj.q_weight
[0069/0325] saving model.layers.30.mlp.down_proj.q_scale
[0070/0325] saving model.layers.30.mlp.gate_up_proj.q_weight
[0071/0325] saving model.layers.30.mlp.gate_up_proj.q_scale
[0072/0325] saving model.layers.30.post_attention_layernorm.weight
[0073/0325] saving model.layers.30.self_attn.qkv_proj.q_weight
[0074/0325] saving model.layers.30.self_attn.qkv_proj.q_scale
[0075/0325] saving model.layers.30.self_attn.o_proj.q_weight
[0076/0325] saving model.layers.30.self_attn.o_proj.q_scale
[0077/0325] saving model.layers.31.input_layernorm.weight
[0078/0325] saving model.layers.31.mlp.down_proj.q_weight
[0079/0325] saving model.layers.31.mlp.down_proj.q_scale
[0080/0325] saving model.layers.31.mlp.gate_up_proj.q_weight
[0081/0325] saving model.layers.31.mlp.gate_up_proj.q_scale
[0082/0325] saving model.layers.31.post_attention_layernorm.weight
[0083/0325] saving model.layers.31.self_attn.qkv_proj.q_weight
[0084/0325] saving model.layers.31.self_attn.qkv_proj.q_scale
[0085/0325] saving model.layers.31.self_attn.o_proj.q_weight
[0086/0325] saving model.layers.31.self_attn.o_proj.q_scale
[0087/0325] saving model.norm.weight
[0088/0325] saving model.embed_tokens.q_weight
[0089/0325] saving model.embed_tokens.q_scale
[0090/0325] saving model.layers.0.input_layernorm.weight
[0091/0325] saving model.layers.0.mlp.down_proj.q_weight
[0092/0325] saving model.layers.0.mlp.down_proj.q_scale
[0093/0325] saving model.layers.0.mlp.gate_up_proj.q_weight
[0094/0325] saving model.layers.0.mlp.gate_up_proj.q_scale
[0095/0325] saving model.layers.0.post_attention_layernorm.weight
[0096/0325] saving model.layers.0.self_attn.qkv_proj.q_weight
[0097/0325] saving model.layers.0.self_attn.qkv_proj.q_scale
[0098/0325] saving model.layers.0.self_attn.o_proj.q_weight
[0099/0325] saving model.layers.0.self_attn.o_proj.q_scale
[0100/0325] saving model.layers.1.input_layernorm.weight
[0101/0325] saving model.layers.1.mlp.down_proj.q_weight
[0102/0325] saving model.layers.1.mlp.down_proj.q_scale
[0103/0325] saving model.layers.1.mlp.gate_up_proj.q_weight
[0104/0325] saving model.layers.1.mlp.gate_up_proj.q_scale
[0105/0325] saving model.layers.1.post_attention_layernorm.weight
[0106/0325] saving model.layers.1.self_attn.qkv_proj.q_weight
[0107/0325] saving model.layers.1.self_attn.qkv_proj.q_scale
[0108/0325] saving model.layers.1.self_attn.o_proj.q_weight
[0109/0325] saving model.layers.1.self_attn.o_proj.q_scale
[0110/0325] saving model.layers.10.input_layernorm.weight
[0111/0325] saving model.layers.10.mlp.down_proj.q_weight
[0112/0325] saving model.layers.10.mlp.down_proj.q_scale
[0113/0325] saving model.layers.10.mlp.gate_up_proj.q_weight
[0114/0325] saving model.layers.10.mlp.gate_up_proj.q_scale
[0115/0325] saving model.layers.10.post_attention_layernorm.weight
[0116/0325] saving model.layers.10.self_attn.qkv_proj.q_weight
[0117/0325] saving model.layers.10.self_attn.qkv_proj.q_scale
[0118/0325] saving model.layers.10.self_attn.o_proj.q_weight
[0119/0325] saving model.layers.10.self_attn.o_proj.q_scale
[0120/0325] saving model.layers.11.mlp.gate_up_proj.q_weight
[0121/0325] saving model.layers.11.mlp.gate_up_proj.q_scale
[0122/0325] saving model.layers.11.self_attn.qkv_proj.q_weight
[0123/0325] saving model.layers.11.self_attn.qkv_proj.q_scale
[0124/0325] saving model.layers.11.self_attn.o_proj.q_weight
[0125/0325] saving model.layers.11.self_attn.o_proj.q_scale
[0126/0325] saving model.layers.2.input_layernorm.weight
[0127/0325] saving model.layers.2.mlp.down_proj.q_weight
[0128/0325] saving model.layers.2.mlp.down_proj.q_scale
[0129/0325] saving model.layers.2.mlp.gate_up_proj.q_weight
[0130/0325] saving model.layers.2.mlp.gate_up_proj.q_scale
[0131/0325] saving model.layers.2.post_attention_layernorm.weight
[0132/0325] saving model.layers.2.self_attn.qkv_proj.q_weight
[0133/0325] saving model.layers.2.self_attn.qkv_proj.q_scale
[0134/0325] saving model.layers.2.self_attn.o_proj.q_weight
[0135/0325] saving model.layers.2.self_attn.o_proj.q_scale
[0136/0325] saving model.layers.3.input_layernorm.weight
[0137/0325] saving model.layers.3.mlp.down_proj.q_weight
[0138/0325] saving model.layers.3.mlp.down_proj.q_scale
[0139/0325] saving model.layers.3.mlp.gate_up_proj.q_weight
[0140/0325] saving model.layers.3.mlp.gate_up_proj.q_scale
[0141/0325] saving model.layers.3.post_attention_layernorm.weight
[0142/0325] saving model.layers.3.self_attn.qkv_proj.q_weight
[0143/0325] saving model.layers.3.self_attn.qkv_proj.q_scale
[0144/0325] saving model.layers.3.self_attn.o_proj.q_weight
[0145/0325] saving model.layers.3.self_attn.o_proj.q_scale
[0146/0325] saving model.layers.4.input_layernorm.weight
[0147/0325] saving model.layers.4.mlp.down_proj.q_weight
[0148/0325] saving model.layers.4.mlp.down_proj.q_scale
[0149/0325] saving model.layers.4.mlp.gate_up_proj.q_weight
[0150/0325] saving model.layers.4.mlp.gate_up_proj.q_scale
[0151/0325] saving model.layers.4.post_attention_layernorm.weight
[0152/0325] saving model.layers.4.self_attn.qkv_proj.q_weight
[0153/0325] saving model.layers.4.self_attn.qkv_proj.q_scale
[0154/0325] saving model.layers.4.self_attn.o_proj.q_weight
[0155/0325] saving model.layers.4.self_attn.o_proj.q_scale
[0156/0325] saving model.layers.5.input_layernorm.weight
[0157/0325] saving model.layers.5.mlp.down_proj.q_weight
[0158/0325] saving model.layers.5.mlp.down_proj.q_scale
[0159/0325] saving model.layers.5.mlp.gate_up_proj.q_weight
[0160/0325] saving model.layers.5.mlp.gate_up_proj.q_scale
[0161/0325] saving model.layers.5.post_attention_layernorm.weight
[0162/0325] saving model.layers.5.self_attn.qkv_proj.q_weight
[0163/0325] saving model.layers.5.self_attn.qkv_proj.q_scale
[0164/0325] saving model.layers.5.self_attn.o_proj.q_weight
[0165/0325] saving model.layers.5.self_attn.o_proj.q_scale
[0166/0325] saving model.layers.6.input_layernorm.weight
[0167/0325] saving model.layers.6.mlp.down_proj.q_weight
[0168/0325] saving model.layers.6.mlp.down_proj.q_scale
[0169/0325] saving model.layers.6.mlp.gate_up_proj.q_weight
[0170/0325] saving model.layers.6.mlp.gate_up_proj.q_scale
[0171/0325] saving model.layers.6.post_attention_layernorm.weight
[0172/0325] saving model.layers.6.self_attn.qkv_proj.q_weight
[0173/0325] saving model.layers.6.self_attn.qkv_proj.q_scale
[0174/0325] saving model.layers.6.self_attn.o_proj.q_weight
[0175/0325] saving model.layers.6.self_attn.o_proj.q_scale
[0176/0325] saving model.layers.7.input_layernorm.weight
[0177/0325] saving model.layers.7.mlp.down_proj.q_weight
[0178/0325] saving model.layers.7.mlp.down_proj.q_scale
[0179/0325] saving model.layers.7.mlp.gate_up_proj.q_weight
[0180/0325] saving model.layers.7.mlp.gate_up_proj.q_scale
[0181/0325] saving model.layers.7.post_attention_layernorm.weight
[0182/0325] saving model.layers.7.self_attn.qkv_proj.q_weight
[0183/0325] saving model.layers.7.self_attn.qkv_proj.q_scale
[0184/0325] saving model.layers.7.self_attn.o_proj.q_weight
[0185/0325] saving model.layers.7.self_attn.o_proj.q_scale
[0186/0325] saving model.layers.8.input_layernorm.weight
[0187/0325] saving model.layers.8.mlp.down_proj.q_weight
[0188/0325] saving model.layers.8.mlp.down_proj.q_scale
[0189/0325] saving model.layers.8.mlp.gate_up_proj.q_weight
[0190/0325] saving model.layers.8.mlp.gate_up_proj.q_scale
[0191/0325] saving model.layers.8.post_attention_layernorm.weight
[0192/0325] saving model.layers.8.self_attn.qkv_proj.q_weight
[0193/0325] saving model.layers.8.self_attn.qkv_proj.q_scale
[0194/0325] saving model.layers.8.self_attn.o_proj.q_weight
[0195/0325] saving model.layers.8.self_attn.o_proj.q_scale
[0196/0325] saving model.layers.9.input_layernorm.weight
[0197/0325] saving model.layers.9.mlp.down_proj.q_weight
[0198/0325] saving model.layers.9.mlp.down_proj.q_scale
[0199/0325] saving model.layers.9.mlp.gate_up_proj.q_weight
[0200/0325] saving model.layers.9.mlp.gate_up_proj.q_scale
[0201/0325] saving model.layers.9.post_attention_layernorm.weight
[0202/0325] saving model.layers.9.self_attn.qkv_proj.q_weight
[0203/0325] saving model.layers.9.self_attn.qkv_proj.q_scale
[0204/0325] saving model.layers.9.self_attn.o_proj.q_weight
[0205/0325] saving model.layers.9.self_attn.o_proj.q_scale
[0206/0325] saving model.layers.11.input_layernorm.weight
[0207/0325] saving model.layers.11.mlp.down_proj.q_weight
[0208/0325] saving model.layers.11.mlp.down_proj.q_scale
[0209/0325] saving model.layers.11.post_attention_layernorm.weight
[0210/0325] saving model.layers.12.input_layernorm.weight
[0211/0325] saving model.layers.12.mlp.down_proj.q_weight
[0212/0325] saving model.layers.12.mlp.down_proj.q_scale
[0213/0325] saving model.layers.12.mlp.gate_up_proj.q_weight
[0214/0325] saving model.layers.12.mlp.gate_up_proj.q_scale
[0215/0325] saving model.layers.12.post_attention_layernorm.weight
[0216/0325] saving model.layers.12.self_attn.qkv_proj.q_weight
[0217/0325] saving model.layers.12.self_attn.qkv_proj.q_scale
[0218/0325] saving model.layers.12.self_attn.o_proj.q_weight
[0219/0325] saving model.layers.12.self_attn.o_proj.q_scale
[0220/0325] saving model.layers.13.input_layernorm.weight
[0221/0325] saving model.layers.13.mlp.down_proj.q_weight
[0222/0325] saving model.layers.13.mlp.down_proj.q_scale
[0223/0325] saving model.layers.13.mlp.gate_up_proj.q_weight
[0224/0325] saving model.layers.13.mlp.gate_up_proj.q_scale
[0225/0325] saving model.layers.13.post_attention_layernorm.weight
[0226/0325] saving model.layers.13.self_attn.qkv_proj.q_weight
[0227/0325] saving model.layers.13.self_attn.qkv_proj.q_scale
[0228/0325] saving model.layers.13.self_attn.o_proj.q_weight
[0229/0325] saving model.layers.13.self_attn.o_proj.q_scale
[0230/0325] saving model.layers.14.input_layernorm.weight
[0231/0325] saving model.layers.14.mlp.down_proj.q_weight
[0232/0325] saving model.layers.14.mlp.down_proj.q_scale
[0233/0325] saving model.layers.14.mlp.gate_up_proj.q_weight
[0234/0325] saving model.layers.14.mlp.gate_up_proj.q_scale
[0235/0325] saving model.layers.14.post_attention_layernorm.weight
[0236/0325] saving model.layers.14.self_attn.qkv_proj.q_weight
[0237/0325] saving model.layers.14.self_attn.qkv_proj.q_scale
[0238/0325] saving model.layers.14.self_attn.o_proj.q_weight
[0239/0325] saving model.layers.14.self_attn.o_proj.q_scale
[0240/0325] saving model.layers.15.input_layernorm.weight
[0241/0325] saving model.layers.15.mlp.down_proj.q_weight
[0242/0325] saving model.layers.15.mlp.down_proj.q_scale
[0243/0325] saving model.layers.15.mlp.gate_up_proj.q_weight
[0244/0325] saving model.layers.15.mlp.gate_up_proj.q_scale
[0245/0325] saving model.layers.15.post_attention_layernorm.weight
[0246/0325] saving model.layers.15.self_attn.qkv_proj.q_weight
[0247/0325] saving model.layers.15.self_attn.qkv_proj.q_scale
[0248/0325] saving model.layers.15.self_attn.o_proj.q_weight
[0249/0325] saving model.layers.15.self_attn.o_proj.q_scale
[0250/0325] saving model.layers.16.input_layernorm.weight
[0251/0325] saving model.layers.16.mlp.down_proj.q_weight
[0252/0325] saving model.layers.16.mlp.down_proj.q_scale
[0253/0325] saving model.layers.16.mlp.gate_up_proj.q_weight
[0254/0325] saving model.layers.16.mlp.gate_up_proj.q_scale
[0255/0325] saving model.layers.16.post_attention_layernorm.weight
[0256/0325] saving model.layers.16.self_attn.qkv_proj.q_weight
[0257/0325] saving model.layers.16.self_attn.qkv_proj.q_scale
[0258/0325] saving model.layers.16.self_attn.o_proj.q_weight
[0259/0325] saving model.layers.16.self_attn.o_proj.q_scale
[0260/0325] saving model.layers.17.input_layernorm.weight
[0261/0325] saving model.layers.17.mlp.down_proj.q_weight
[0262/0325] saving model.layers.17.mlp.down_proj.q_scale
[0263/0325] saving model.layers.17.mlp.gate_up_proj.q_weight
[0264/0325] saving model.layers.17.mlp.gate_up_proj.q_scale
[0265/0325] saving model.layers.17.post_attention_layernorm.weight
[0266/0325] saving model.layers.17.self_attn.qkv_proj.q_weight
[0267/0325] saving model.layers.17.self_attn.qkv_proj.q_scale
[0268/0325] saving model.layers.17.self_attn.o_proj.q_weight
[0269/0325] saving model.layers.17.self_attn.o_proj.q_scale
[0270/0325] saving model.layers.18.input_layernorm.weight
[0271/0325] saving model.layers.18.mlp.down_proj.q_weight
[0272/0325] saving model.layers.18.mlp.down_proj.q_scale
[0273/0325] saving model.layers.18.mlp.gate_up_proj.q_weight
[0274/0325] saving model.layers.18.mlp.gate_up_proj.q_scale
[0275/0325] saving model.layers.18.post_attention_layernorm.weight
[0276/0325] saving model.layers.18.self_attn.qkv_proj.q_weight
[0277/0325] saving model.layers.18.self_attn.qkv_proj.q_scale
[0278/0325] saving model.layers.18.self_attn.o_proj.q_weight
[0279/0325] saving model.layers.18.self_attn.o_proj.q_scale
[0280/0325] saving model.layers.19.input_layernorm.weight
[0281/0325] saving model.layers.19.mlp.down_proj.q_weight
[0282/0325] saving model.layers.19.mlp.down_proj.q_scale
[0283/0325] saving model.layers.19.mlp.gate_up_proj.q_weight
[0284/0325] saving model.layers.19.mlp.gate_up_proj.q_scale
[0285/0325] saving model.layers.19.post_attention_layernorm.weight
[0286/0325] saving model.layers.19.self_attn.qkv_proj.q_weight
[0287/0325] saving model.layers.19.self_attn.qkv_proj.q_scale
[0288/0325] saving model.layers.19.self_attn.o_proj.q_weight
[0289/0325] saving model.layers.19.self_attn.o_proj.q_scale
[0290/0325] saving model.layers.20.input_layernorm.weight
[0291/0325] saving model.layers.20.mlp.down_proj.q_weight
[0292/0325] saving model.layers.20.mlp.down_proj.q_scale
[0293/0325] saving model.layers.20.mlp.gate_up_proj.q_weight
[0294/0325] saving model.layers.20.mlp.gate_up_proj.q_scale
[0295/0325] saving model.layers.20.post_attention_layernorm.weight
[0296/0325] saving model.layers.20.self_attn.qkv_proj.q_weight
[0297/0325] saving model.layers.20.self_attn.qkv_proj.q_scale
[0298/0325] saving model.layers.20.self_attn.o_proj.q_weight
[0299/0325] saving model.layers.20.self_attn.o_proj.q_scale
[0300/0325] saving model.layers.21.input_layernorm.weight
[0301/0325] saving model.layers.21.mlp.down_proj.q_weight
[0302/0325] saving model.layers.21.mlp.down_proj.q_scale
[0303/0325] saving model.layers.21.mlp.gate_up_proj.q_weight
[0304/0325] saving model.layers.21.mlp.gate_up_proj.q_scale
[0305/0325] saving model.layers.21.post_attention_layernorm.weight
[0306/0325] saving model.layers.21.self_attn.qkv_proj.q_weight
[0307/0325] saving model.layers.21.self_attn.qkv_proj.q_scale
[0308/0325] saving model.layers.21.self_attn.o_proj.q_weight
[0309/0325] saving model.layers.21.self_attn.o_proj.q_scale
[0310/0325] saving model.layers.22.input_layernorm.weight
[0311/0325] saving model.layers.22.mlp.down_proj.q_weight
[0312/0325] saving model.layers.22.mlp.down_proj.q_scale
[0313/0325] saving model.layers.22.mlp.gate_up_proj.q_weight
[0314/0325] saving model.layers.22.mlp.gate_up_proj.q_scale
[0315/0325] saving model.layers.22.post_attention_layernorm.weight
[0316/0325] saving model.layers.22.self_attn.qkv_proj.q_weight
[0317/0325] saving model.layers.22.self_attn.qkv_proj.q_scale
[0318/0325] saving model.layers.22.self_attn.o_proj.q_weight
[0319/0325] saving model.layers.22.self_attn.o_proj.q_scale
[0320/0325] saving model.layers.23.mlp.gate_up_proj.q_weight
[0321/0325] saving model.layers.23.mlp.gate_up_proj.q_scale[2024-01-29 17:13:37] INFO convert_weight.py:143: Saved to directory: [1m/var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmpcsk8pq_b[0m
[0322/0325] saving model.layers.23.self_attn.qkv_proj.q_weight
[0323/0325] saving model.layers.23.self_attn.qkv_proj.q_scale
[0324/0325] saving model.layers.23.self_attn.o_proj.q_weight
[0325/0325] saving model.layers.23.self_attn.o_proj.q_scale
All finished, 114 total shards committed, record saved to /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmpcsk8pq_b/ndarray-cache.json
Also saved a bf16 record to /var/folders/50/mzqbqxqj5fddcby2mg3h334c0000gp/T/tmpcsk8pq_b/ndarray-cache-b16.json
|