| python -m mlc_chat gen_config /models/Llama-2-7b-chat-hf --quantization q4f32_1 --conv-template llama-2 --output /tmp/tmplskg415n |
| [2023-12-17 14:50:29] INFO auto_config.py:116: [92mFound[0m model configuration: /models/Llama-2-7b-chat-hf/config.json |
| [2023-12-17 14:50:29] INFO auto_config.py:155: [92mFound[0m model type: [1mllama[0m. Use `--model-type` to override. |
| [2023-12-17 14:50:29] INFO llama_model.py:49: [1mcontext_window_size[0m not found in config.json. Falling back to [1mmax_position_embeddings[0m (4096) |
| [2023-12-17 14:50:29] INFO gen_config.py:114: [generation_config.json] Setting [1mbos_token_id[0m: 1 |
| [2023-12-17 14:50:29] INFO gen_config.py:114: [generation_config.json] Setting [1meos_token_id[0m: 2 |
| [2023-12-17 14:50:29] INFO gen_config.py:114: [generation_config.json] Setting [1mpad_token_id[0m: 0 |
| [2023-12-17 14:50:29] INFO gen_config.py:114: [generation_config.json] Setting [1mtemperature[0m: 0.6 |
| [2023-12-17 14:50:29] INFO gen_config.py:114: [generation_config.json] Setting [1mtop_p[0m: 0.9 |
| [2023-12-17 14:50:29] INFO gen_config.py:126: [92mFound[0m tokenizer config: /models/Llama-2-7b-chat-hf/tokenizer.model. Copying to [1m/tmp/tmplskg415n/tokenizer.model[0m |
| [2023-12-17 14:50:29] INFO gen_config.py:126: [92mFound[0m tokenizer config: /models/Llama-2-7b-chat-hf/tokenizer.json. Copying to [1m/tmp/tmplskg415n/tokenizer.json[0m |
| [2023-12-17 14:50:29] INFO gen_config.py:128: [91mNot found[0m tokenizer config: /models/Llama-2-7b-chat-hf/vocab.json |
| [2023-12-17 14:50:29] INFO gen_config.py:128: [91mNot found[0m tokenizer config: /models/Llama-2-7b-chat-hf/merges.txt |
| [2023-12-17 14:50:29] INFO gen_config.py:128: [91mNot found[0m tokenizer config: /models/Llama-2-7b-chat-hf/added_tokens.json |
| [2023-12-17 14:50:29] INFO gen_config.py:126: [92mFound[0m tokenizer config: /models/Llama-2-7b-chat-hf/tokenizer_config.json. Copying to [1m/tmp/tmplskg415n/tokenizer_config.json[0m |
| [2023-12-17 14:50:29] INFO gen_config.py:68: [System default] Setting [1mrepetition_penalty[0m: 1.0 |
| [2023-12-17 14:50:29] INFO gen_config.py:68: [System default] Setting [1mmean_gen_len[0m: 128 |
| [2023-12-17 14:50:29] INFO gen_config.py:68: [System default] Setting [1mmax_gen_len[0m: 512 |
| [2023-12-17 14:50:29] INFO gen_config.py:68: [System default] Setting [1mshift_fill_factor[0m: 0.3 |
| [2023-12-17 14:50:29] INFO gen_config.py:156: Dumping configuration file to: [1m/tmp/tmplskg415n/mlc-chat-config.json[0m |
| python -m mlc_chat convert_weight /models/Llama-2-7b-chat-hf --quantization q4f32_1 --source-format auto --output /tmp/tmplskg415n |
| [2023-12-17 14:50:30] INFO auto_config.py:116: [92mFound[0m model configuration: /models/Llama-2-7b-chat-hf/config.json |
| [2023-12-17 14:50:30] INFO auto_device.py:75: [92mFound[0m device: cuda:0 |
| [2023-12-17 14:50:30] INFO auto_device.py:75: [92mFound[0m device: cuda:1 |
| [2023-12-17 14:50:30] INFO auto_device.py:84: [91mNot found[0m device: rocm:0 |
| [2023-12-17 14:50:30] INFO auto_device.py:84: [91mNot found[0m device: metal:0 |
| [2023-12-17 14:50:31] INFO auto_device.py:75: [92mFound[0m device: vulkan:0 |
| [2023-12-17 14:50:31] INFO auto_device.py:75: [92mFound[0m device: vulkan:1 |
| [2023-12-17 14:50:31] INFO auto_device.py:75: [92mFound[0m device: vulkan:2 |
| [2023-12-17 14:50:31] INFO auto_device.py:84: [91mNot found[0m device: opencl:0 |
| [2023-12-17 14:50:31] INFO auto_device.py:33: Using device: [1mcuda:0[0m |
| [2023-12-17 14:50:31] INFO auto_weight.py:70: Finding weights in: /models/Llama-2-7b-chat-hf |
| [2023-12-17 14:50:31] INFO auto_weight.py:120: [92mFound[0m source weight format: huggingface-torch. Source configuration: /models/Llama-2-7b-chat-hf/pytorch_model.bin.index.json |
| [2023-12-17 14:50:31] INFO auto_weight.py:143: [92mFound[0m source weight format: huggingface-safetensor. Source configuration: /models/Llama-2-7b-chat-hf/model.safetensors.index.json |
| [2023-12-17 14:50:31] INFO auto_weight.py:106: Using source weight configuration: [1m/models/Llama-2-7b-chat-hf/pytorch_model.bin.index.json[0m. Use `--source` to override. |
| [2023-12-17 14:50:31] INFO auto_weight.py:110: Using source weight format: [1mhuggingface-torch[0m. Use `--source-format` to override. |
| [2023-12-17 14:50:31] INFO auto_config.py:155: [92mFound[0m model type: [1mllama[0m. Use `--model-type` to override. |
| [2023-12-17 14:50:31] INFO llama_model.py:49: [1mcontext_window_size[0m not found in config.json. Falling back to [1mmax_position_embeddings[0m (4096) |
| [1mWeight conversion with arguments:[0m |
| [1m--config[0m /models/Llama-2-7b-chat-hf/config.json |
| [1m--quantization[0m GroupQuantize(name='q4f32_1', kind='group-quant', group_size=32, quantize_dtype='int4', storage_dtype='uint32', model_dtype='float32', num_elem_per_storage=8, num_storage_per_group=4, max_int_value=7) |
| [1m--model-type[0m llama |
| [1m--device[0m cuda:0 |
| [1m--source[0m /models/Llama-2-7b-chat-hf/pytorch_model.bin.index.json |
| [1m--source-format[0m huggingface-torch |
| [1m--output[0m /tmp/tmplskg415n |
|
0%| | 0/195 [00:00<?, ?it/s]
[2023-12-17 14:50:34] INFO huggingface_loader.py:169: Loading HF parameters from: /models/Llama-2-7b-chat-hf/pytorch_model-00002-of-00002.bin |
|
0%| | 0/195 [00:00<?, ?it/s]
[2023-12-17 14:50:36] INFO group_quantization.py:199: Compiling quantize function for key: (32000, 4096, 'float32', 'cuda') |
|
0%| | 0/195 [00:02<?, ?it/s]
[2023-12-17 14:50:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mlm_head.q_weight[0m", shape: (32000, 512), dtype: uint32 |
|
0%| | 0/195 [00:03<?, ?it/s]
[2023-12-17 14:50:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mlm_head.q_scale[0m", shape: (32000, 128), dtype: float32 |
|
0%| | 0/195 [00:03<?, ?it/s]
1%|▊ | 1/195 [00:03<11:04, 3.42s/it]
[2023-12-17 14:50:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.24.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
1%|▊ | 1/195 [00:03<11:04, 3.42s/it]
[2023-12-17 14:50:37] INFO group_quantization.py:199: Compiling quantize function for key: (4096, 11008, 'float32', 'cuda') |
|
1%|▊ | 1/195 [00:03<11:04, 3.42s/it]
[2023-12-17 14:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
1%|▊ | 1/195 [00:03<11:04, 3.42s/it]
[2023-12-17 14:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
1%|▊ | 1/195 [00:03<11:04, 3.42s/it]
2%|██▎ | 3/195 [00:03<03:23, 1.06s/it]
[2023-12-17 14:50:38] INFO group_quantization.py:199: Compiling quantize function for key: (22016, 4096, 'float32', 'cuda') |
|
2%|██▎ | 3/195 [00:04<03:23, 1.06s/it]
[2023-12-17 14:50:38] 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 [00:04<03:23, 1.06s/it]
[2023-12-17 14:50:38] 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 [00:04<03:23, 1.06s/it]
2%|███▏ | 4/195 [00:04<02:54, 1.10it/s]
[2023-12-17 14:50:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.24.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
2%|███▏ | 4/195 [00:04<02:54, 1.10it/s]
[2023-12-17 14:50:39] INFO group_quantization.py:199: Compiling quantize function for key: (12288, 4096, 'float32', 'cuda') |
|
2%|███▏ | 4/195 [00:04<02:54, 1.10it/s]
[2023-12-17 14:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
2%|███▏ | 4/195 [00:04<02:54, 1.10it/s]
[2023-12-17 14:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
2%|███▏ | 4/195 [00:05<02:54, 1.10it/s]
3%|████▋ | 6/195 [00:05<01:49, 1.72it/s]
[2023-12-17 14:50:39] INFO group_quantization.py:199: Compiling quantize function for key: (4096, 4096, 'float32', 'cuda') |
|
3%|████▋ | 6/195 [00:05<01:49, 1.72it/s]
[2023-12-17 14:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
3%|████▋ | 6/195 [00:05<01:49, 1.72it/s]
[2023-12-17 14:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.24.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
3%|████▋ | 6/195 [00:05<01:49, 1.72it/s]
4%|█████▍ | 7/195 [00:05<01:37, 1.92it/s]
[2023-12-17 14:50:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.25.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
4%|█████▍ | 7/195 [00:05<01:37, 1.92it/s]
[2023-12-17 14:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
4%|█████▍ | 7/195 [00:05<01:37, 1.92it/s]
[2023-12-17 14:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
4%|█████▍ | 7/195 [00:05<01:37, 1.92it/s]
5%|███████ | 9/195 [00:05<01:01, 3.01it/s]
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
5%|███████ | 9/195 [00:05<01:01, 3.01it/s]
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
5%|███████ | 9/195 [00:05<01:01, 3.01it/s]
5%|███████▊ | 10/195 [00:05<01:02, 2.98it/s]
[2023-12-17 14:50:40] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.25.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
5%|███████▊ | 10/195 [00:05<01:02, 2.98it/s]
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
5%|███████▊ | 10/195 [00:06<01:02, 2.98it/s]
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
5%|███████▊ | 10/195 [00:06<01:02, 2.98it/s]
6%|█████████▎ | 12/195 [00:06<00:43, 4.17it/s]
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
6%|█████████▎ | 12/195 [00:06<00:43, 4.17it/s]
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.25.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
6%|█████████▎ | 12/195 [00:06<00:43, 4.17it/s]
[2023-12-17 14:50:40] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.26.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
6%|█████████▎ | 12/195 [00:06<00:43, 4.17it/s]
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
6%|█████████▎ | 12/195 [00:06<00:43, 4.17it/s]
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
6%|█████████▎ | 12/195 [00:06<00:43, 4.17it/s]
8%|███████████▋ | 15/195 [00:06<00:29, 6.10it/s]
[2023-12-17 14:50:40] 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 [00:06<00:29, 6.10it/s]
[2023-12-17 14:50:40] 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 [00:06<00:29, 6.10it/s]
8%|████████████▍ | 16/195 [00:06<00:35, 5.09it/s]
[2023-12-17 14:50:40] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.26.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
8%|████████████▍ | 16/195 [00:06<00:35, 5.09it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
8%|████████████▍ | 16/195 [00:06<00:35, 5.09it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
8%|████████████▍ | 16/195 [00:06<00:35, 5.09it/s]
9%|██████████████ | 18/195 [00:06<00:28, 6.15it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
9%|██████████████ | 18/195 [00:06<00:28, 6.15it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.26.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
9%|██████████████ | 18/195 [00:06<00:28, 6.15it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.27.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
9%|██████████████ | 18/195 [00:06<00:28, 6.15it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
9%|██████████████ | 18/195 [00:07<00:28, 6.15it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
9%|██████████████ | 18/195 [00:07<00:28, 6.15it/s]
11%|████████████████▎ | 21/195 [00:07<00:21, 7.98it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
11%|████████████████▎ | 21/195 [00:07<00:21, 7.98it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
11%|████████████████▎ | 21/195 [00:07<00:21, 7.98it/s]
11%|█████████████████▏ | 22/195 [00:07<00:27, 6.19it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.27.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
11%|█████████████████▏ | 22/195 [00:07<00:27, 6.19it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
11%|█████████████████▏ | 22/195 [00:07<00:27, 6.19it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
11%|█████████████████▏ | 22/195 [00:07<00:27, 6.19it/s]
12%|██████████████████▋ | 24/195 [00:07<00:24, 7.12it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
12%|██████████████████▋ | 24/195 [00:07<00:24, 7.12it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.27.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
12%|██████████████████▋ | 24/195 [00:07<00:24, 7.12it/s]
[2023-12-17 14:50:41] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.28.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
12%|██████████████████▋ | 24/195 [00:07<00:24, 7.12it/s]
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
12%|██████████████████▋ | 24/195 [00:07<00:24, 7.12it/s]
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
12%|██████████████████▋ | 24/195 [00:07<00:24, 7.12it/s]
14%|█████████████████████ | 27/195 [00:07<00:19, 8.83it/s]
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
14%|█████████████████████ | 27/195 [00:08<00:19, 8.83it/s]
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
14%|█████████████████████ | 27/195 [00:08<00:19, 8.83it/s]
14%|█████████████████████▊ | 28/195 [00:08<00:25, 6.64it/s]
[2023-12-17 14:50:42] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.28.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
14%|█████████████████████▊ | 28/195 [00:08<00:25, 6.64it/s]
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
14%|█████████████████████▊ | 28/195 [00:08<00:25, 6.64it/s]
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
14%|█████████████████████▊ | 28/195 [00:08<00:25, 6.64it/s]
15%|███████████████████████▍ | 30/195 [00:08<00:21, 7.50it/s]
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
15%|███████████████████████▍ | 30/195 [00:08<00:21, 7.50it/s]
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.28.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
15%|███████████████████████▍ | 30/195 [00:08<00:21, 7.50it/s]
[2023-12-17 14:50:42] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.29.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
15%|███████████████████████▍ | 30/195 [00:08<00:21, 7.50it/s]
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
15%|███████████████████████▍ | 30/195 [00:08<00:21, 7.50it/s]
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
15%|███████████████████████▍ | 30/195 [00:08<00:21, 7.50it/s]
17%|█████████████████████████▋ | 33/195 [00:08<00:17, 9.14it/s]
[2023-12-17 14:50:43] 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 [00:08<00:17, 9.14it/s]
[2023-12-17 14:50:43] 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 [00:08<00:17, 9.14it/s]
[2023-12-17 14:50:43] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.29.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
17%|█████████████████████████▋ | 33/195 [00:08<00:17, 9.14it/s]
18%|███████████████████████████▎ | 35/195 [00:08<00:20, 7.90it/s]
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
18%|███████████████████████████▎ | 35/195 [00:09<00:20, 7.90it/s]
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
18%|███████████████████████████▎ | 35/195 [00:09<00:20, 7.90it/s]
18%|████████████████████████████ | 36/195 [00:09<00:21, 7.27it/s]
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
18%|████████████████████████████ | 36/195 [00:09<00:21, 7.27it/s]
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.29.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
18%|████████████████████████████ | 36/195 [00:09<00:21, 7.27it/s]
[2023-12-17 14:50:43] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.30.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
18%|████████████████████████████ | 36/195 [00:09<00:21, 7.27it/s]
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
18%|████████████████████████████ | 36/195 [00:09<00:21, 7.27it/s]
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
18%|████████████████████████████ | 36/195 [00:09<00:21, 7.27it/s]
20%|██████████████████████████████▍ | 39/195 [00:09<00:17, 8.99it/s]
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
20%|██████████████████████████████▍ | 39/195 [00:09<00:17, 8.99it/s]
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
20%|██████████████████████████████▍ | 39/195 [00:09<00:17, 8.99it/s]
21%|███████████████████████████████▏ | 40/195 [00:09<00:23, 6.70it/s]
[2023-12-17 14:50:43] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.30.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
21%|███████████████████████████████▏ | 40/195 [00:09<00:23, 6.70it/s]
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
21%|███████████████████████████████▏ | 40/195 [00:09<00:23, 6.70it/s]
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
21%|███████████████████████████████▏ | 40/195 [00:09<00:23, 6.70it/s]
22%|████████████████████████████████▋ | 42/195 [00:09<00:20, 7.55it/s]
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
22%|████████████████████████████████▋ | 42/195 [00:09<00:20, 7.55it/s]
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.30.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
22%|████████████████████████████████▋ | 42/195 [00:09<00:20, 7.55it/s]
[2023-12-17 14:50:44] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.31.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
22%|████████████████████████████████▋ | 42/195 [00:09<00:20, 7.55it/s]
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
22%|████████████████████████████████▋ | 42/195 [00:10<00:20, 7.55it/s]
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
22%|████████████████████████████████▋ | 42/195 [00:10<00:20, 7.55it/s]
23%|███████████████████████████████████ | 45/195 [00:10<00:16, 9.20it/s]
[2023-12-17 14:50:44] 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 [00:10<00:16, 9.20it/s]
[2023-12-17 14:50:44] 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 [00:10<00:16, 9.20it/s]
24%|███████████████████████████████████▊ | 46/195 [00:10<00:21, 6.82it/s]
[2023-12-17 14:50:44] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.31.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
24%|███████████████████████████████████▊ | 46/195 [00:10<00:21, 6.82it/s]
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
24%|███████████████████████████████████▊ | 46/195 [00:10<00:21, 6.82it/s]
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
24%|███████████████████████████████████▊ | 46/195 [00:10<00:21, 6.82it/s]
25%|█████████████████████████████████████▍ | 48/195 [00:10<00:19, 7.65it/s]
[2023-12-17 14:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
25%|█████████████████████████████████████▍ | 48/195 [00:10<00:19, 7.65it/s]
[2023-12-17 14:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.31.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
25%|█████████████████████████████████████▍ | 48/195 [00:10<00:19, 7.65it/s]
[2023-12-17 14:50:45] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.norm.weight[0m", shape: (4096,), dtype: float32 |
|
25%|█████████████████████████████████████▍ | 48/195 [00:10<00:19, 7.65it/s]
[2023-12-17 14:50:45] INFO huggingface_loader.py:179: Unloading HF weight file: /models/Llama-2-7b-chat-hf/pytorch_model-00002-of-00002.bin |
|
25%|█████████████████████████████████████▍ | 48/195 [00:10<00:19, 7.65it/s]
[2023-12-17 14:50:45] INFO huggingface_loader.py:169: Loading HF parameters from: /models/Llama-2-7b-chat-hf/pytorch_model-00001-of-00002.bin |
|
25%|█████████████████████████████████████▍ | 48/195 [00:10<00:19, 7.65it/s]
[2023-12-17 14:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.embed_tokens.q_weight[0m", shape: (32000, 512), dtype: uint32 |
|
25%|█████████████████████████████████████▍ | 48/195 [00:14<00:19, 7.65it/s]
[2023-12-17 14:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.embed_tokens.q_scale[0m", shape: (32000, 128), dtype: float32 |
|
25%|█████████████████████████████████████▍ | 48/195 [00:14<00:19, 7.65it/s]
26%|███████████████████████████████████████▊ | 51/195 [00:14<01:18, 1.84it/s]
[2023-12-17 14:50:48] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.0.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
26%|███████████████████████████████████████▊ | 51/195 [00:14<01:18, 1.84it/s]
[2023-12-17 14:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
26%|███████████████████████████████████████▊ | 51/195 [00:14<01:18, 1.84it/s]
[2023-12-17 14:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
26%|███████████████████████████████████████▊ | 51/195 [00:14<01:18, 1.84it/s]
27%|█████████████████████████████████████████▎ | 53/195 [00:14<00:58, 2.41it/s]
[2023-12-17 14:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
27%|█████████████████████████████████████████▎ | 53/195 [00:14<00:58, 2.41it/s]
[2023-12-17 14:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
27%|█████████████████████████████████████████▎ | 53/195 [00:14<00:58, 2.41it/s]
28%|██████████████████████████████████████████ | 54/195 [00:14<00:56, 2.48it/s]
[2023-12-17 14:50:48] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.0.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
28%|██████████████████████████████████████████ | 54/195 [00:14<00:56, 2.48it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
28%|██████████████████████████████████████████ | 54/195 [00:14<00:56, 2.48it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
28%|██████████████████████████████████████████ | 54/195 [00:14<00:56, 2.48it/s]
29%|███████████████████████████████████████████▋ | 56/195 [00:14<00:42, 3.28it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
29%|███████████████████████████████████████████▋ | 56/195 [00:14<00:42, 3.28it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.0.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
29%|███████████████████████████████████████████▋ | 56/195 [00:14<00:42, 3.28it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.1.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
29%|███████████████████████████████████████████▋ | 56/195 [00:14<00:42, 3.28it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
29%|███████████████████████████████████████████▋ | 56/195 [00:14<00:42, 3.28it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
29%|███████████████████████████████████████████▋ | 56/195 [00:14<00:42, 3.28it/s]
30%|█████████████████████████████████████████████▉ | 59/195 [00:14<00:28, 4.74it/s]
[2023-12-17 14:50:49] 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 [00:15<00:28, 4.74it/s]
[2023-12-17 14:50:49] 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 [00:15<00:28, 4.74it/s]
31%|██████████████████████████████████████████████▊ | 60/195 [00:15<00:31, 4.30it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.1.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
31%|██████████████████████████████████████████████▊ | 60/195 [00:15<00:31, 4.30it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
31%|██████████████████████████████████████████████▊ | 60/195 [00:15<00:31, 4.30it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
31%|██████████████████████████████████████████████▊ | 60/195 [00:15<00:31, 4.30it/s]
32%|████████████████████████████████████████████████▎ | 62/195 [00:15<00:25, 5.28it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
32%|████████████████████████████████████████████████▎ | 62/195 [00:15<00:25, 5.28it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.1.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
32%|████████████████████████████████████████████████▎ | 62/195 [00:15<00:25, 5.28it/s]
[2023-12-17 14:50:49] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.10.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
32%|████████████████████████████████████████████████▎ | 62/195 [00:15<00:25, 5.28it/s]
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
32%|████████████████████████████████████████████████▎ | 62/195 [00:15<00:25, 5.28it/s]
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
32%|████████████████████████████████████████████████▎ | 62/195 [00:15<00:25, 5.28it/s]
33%|██████████████████████████████████████████████████▋ | 65/195 [00:15<00:18, 7.00it/s]
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
33%|██████████████████████████████████████████████████▋ | 65/195 [00:16<00:18, 7.00it/s]
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
33%|██████████████████████████████████████████████████▋ | 65/195 [00:16<00:18, 7.00it/s]
34%|███████████████████████████████████████████████████▍ | 66/195 [00:16<00:22, 5.72it/s]
[2023-12-17 14:50:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.10.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
34%|███████████████████████████████████████████████████▍ | 66/195 [00:16<00:22, 5.72it/s]
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
34%|███████████████████████████████████████████████████▍ | 66/195 [00:16<00:22, 5.72it/s]
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
34%|███████████████████████████████████████████████████▍ | 66/195 [00:16<00:22, 5.72it/s]
35%|█████████████████████████████████████████████████████ | 68/195 [00:16<00:19, 6.64it/s]
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
35%|█████████████████████████████████████████████████████ | 68/195 [00:16<00:19, 6.64it/s]
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.10.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
35%|█████████████████████████████████████████████████████ | 68/195 [00:16<00:19, 6.64it/s]
[2023-12-17 14:50:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.11.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
35%|█████████████████████████████████████████████████████ | 68/195 [00:16<00:19, 6.64it/s]
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.11.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
35%|█████████████████████████████████████████████████████ | 68/195 [00:16<00:19, 6.64it/s]
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.11.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
35%|█████████████████████████████████████████████████████ | 68/195 [00:16<00:19, 6.64it/s]
36%|███████████████████████████████████████████████████████▎ | 71/195 [00:16<00:14, 8.34it/s]
[2023-12-17 14:50:51] 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 [00:16<00:14, 8.34it/s]
[2023-12-17 14:50:51] 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 [00:16<00:14, 8.34it/s]
37%|████████████████████████████████████████████████████████ | 72/195 [00:16<00:19, 6.42it/s]
[2023-12-17 14:50:51] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.11.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
37%|████████████████████████████████████████████████████████ | 72/195 [00:16<00:19, 6.42it/s]
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.11.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
37%|████████████████████████████████████████████████████████ | 72/195 [00:17<00:19, 6.42it/s]
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.11.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
37%|████████████████████████████████████████████████████████ | 72/195 [00:17<00:19, 6.42it/s]
38%|█████████████████████████████████████████████████████████▋ | 74/195 [00:17<00:16, 7.30it/s]
[2023-12-17 14:50:51] 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 [00:17<00:16, 7.30it/s]
[2023-12-17 14:50:51] 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 [00:17<00:16, 7.30it/s]
[2023-12-17 14:50:51] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.12.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
38%|█████████████████████████████████████████████████████████▋ | 74/195 [00:17<00:16, 7.30it/s]
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
38%|█████████████████████████████████████████████████████████▋ | 74/195 [00:17<00:16, 7.30it/s]
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
38%|█████████████████████████████████████████████████████████▋ | 74/195 [00:17<00:16, 7.30it/s]
39%|████████████████████████████████████████████████████████████ | 77/195 [00:17<00:13, 8.96it/s]
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
39%|████████████████████████████████████████████████████████████ | 77/195 [00:17<00:13, 8.96it/s]
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
39%|████████████████████████████████████████████████████████████ | 77/195 [00:17<00:13, 8.96it/s]
[2023-12-17 14:50:51] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.12.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
39%|████████████████████████████████████████████████████████████ | 77/195 [00:17<00:13, 8.96it/s]
41%|█████████████████████████████████████████████████████████████▌ | 79/195 [00:17<00:14, 7.80it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
41%|█████████████████████████████████████████████████████████████▌ | 79/195 [00:17<00:14, 7.80it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
41%|█████████████████████████████████████████████████████████████▌ | 79/195 [00:17<00:14, 7.80it/s]
41%|██████████████████████████████████████████████████████████████▎ | 80/195 [00:17<00:15, 7.21it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
41%|██████████████████████████████████████████████████████████████▎ | 80/195 [00:17<00:15, 7.21it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.12.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
41%|██████████████████████████████████████████████████████████████▎ | 80/195 [00:17<00:15, 7.21it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.13.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
41%|██████████████████████████████████████████████████████████████▎ | 80/195 [00:17<00:15, 7.21it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
41%|██████████████████████████████████████████████████████████████▎ | 80/195 [00:18<00:15, 7.21it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
41%|██████████████████████████████████████████████████████████████▎ | 80/195 [00:18<00:15, 7.21it/s]
43%|████████████████████████████████████████████████████████████████▋ | 83/195 [00:18<00:12, 8.93it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
43%|████████████████████████████████████████████████████████████████▋ | 83/195 [00:18<00:12, 8.93it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
43%|████████████████████████████████████████████████████████████████▋ | 83/195 [00:18<00:12, 8.93it/s]
43%|█████████████████████████████████████████████████████████████████▍ | 84/195 [00:18<00:16, 6.67it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.13.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
43%|█████████████████████████████████████████████████████████████████▍ | 84/195 [00:18<00:16, 6.67it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
43%|█████████████████████████████████████████████████████████████████▍ | 84/195 [00:18<00:16, 6.67it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
43%|█████████████████████████████████████████████████████████████████▍ | 84/195 [00:18<00:16, 6.67it/s]
44%|███████████████████████████████████████████████████████████████████ | 86/195 [00:18<00:14, 7.53it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
44%|███████████████████████████████████████████████████████████████████ | 86/195 [00:18<00:14, 7.53it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.13.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
44%|███████████████████████████████████████████████████████████████████ | 86/195 [00:18<00:14, 7.53it/s]
[2023-12-17 14:50:52] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.14.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
44%|███████████████████████████████████████████████████████████████████ | 86/195 [00:18<00:14, 7.53it/s]
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
44%|███████████████████████████████████████████████████████████████████ | 86/195 [00:18<00:14, 7.53it/s]
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
44%|███████████████████████████████████████████████████████████████████ | 86/195 [00:18<00:14, 7.53it/s]
46%|█████████████████████████████████████████████████████████████████████▎ | 89/195 [00:18<00:11, 9.18it/s]
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
46%|█████████████████████████████████████████████████████████████████████▎ | 89/195 [00:19<00:11, 9.18it/s]
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
46%|█████████████████████████████████████████████████████████████████████▎ | 89/195 [00:19<00:11, 9.18it/s]
46%|██████████████████████████████████████████████████████████████████████▏ | 90/195 [00:19<00:15, 6.81it/s]
[2023-12-17 14:50:53] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.14.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
46%|██████████████████████████████████████████████████████████████████████▏ | 90/195 [00:19<00:15, 6.81it/s]
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
46%|██████████████████████████████████████████████████████████████████████▏ | 90/195 [00:19<00:15, 6.81it/s]
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
46%|██████████████████████████████████████████████████████████████████████▏ | 90/195 [00:19<00:15, 6.81it/s]
47%|███████████████████████████████████████████████████████████████████████▋ | 92/195 [00:19<00:13, 7.64it/s]
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
47%|███████████████████████████████████████████████████████████████████████▋ | 92/195 [00:19<00:13, 7.64it/s]
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.14.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
47%|███████████████████████████████████████████████████████████████████████▋ | 92/195 [00:19<00:13, 7.64it/s]
[2023-12-17 14:50:53] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.15.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
47%|███████████████████████████████████████████████████████████████████████▋ | 92/195 [00:19<00:13, 7.64it/s]
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
47%|███████████████████████████████████████████████████████████████████████▋ | 92/195 [00:19<00:13, 7.64it/s]
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
47%|███████████████████████████████████████████████████████████████████████▋ | 92/195 [00:19<00:13, 7.64it/s]
49%|██████████████████████████████████████████████████████████████████████████ | 95/195 [00:19<00:10, 9.26it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
49%|██████████████████████████████████████████████████████████████████████████ | 95/195 [00:19<00:10, 9.26it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
49%|██████████████████████████████████████████████████████████████████████████ | 95/195 [00:19<00:10, 9.26it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.15.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
49%|██████████████████████████████████████████████████████████████████████████ | 95/195 [00:19<00:10, 9.26it/s]
50%|███████████████████████████████████████████████████████████████████████████▌ | 97/195 [00:19<00:12, 7.96it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
50%|███████████████████████████████████████████████████████████████████████████▌ | 97/195 [00:20<00:12, 7.96it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
50%|███████████████████████████████████████████████████████████████████████████▌ | 97/195 [00:20<00:12, 7.96it/s]
50%|████████████████████████████████████████████████████████████████████████████▍ | 98/195 [00:20<00:13, 7.32it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
50%|████████████████████████████████████████████████████████████████████████████▍ | 98/195 [00:20<00:13, 7.32it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.15.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
50%|████████████████████████████████████████████████████████████████████████████▍ | 98/195 [00:20<00:13, 7.32it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.16.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
50%|████████████████████████████████████████████████████████████████████████████▍ | 98/195 [00:20<00:13, 7.32it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
50%|████████████████████████████████████████████████████████████████████████████▍ | 98/195 [00:20<00:13, 7.32it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
50%|████████████████████████████████████████████████████████████████████████████▍ | 98/195 [00:20<00:13, 7.32it/s]
52%|██████████████████████████████████████████████████████████████████████████████▏ | 101/195 [00:20<00:10, 9.04it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
52%|██████████████████████████████████████████████████████████████████████████████▏ | 101/195 [00:20<00:10, 9.04it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
52%|██████████████████████████████████████████████████████████████████████████████▏ | 101/195 [00:20<00:10, 9.04it/s]
52%|██████████████████████████████████████████████████████████████████████████████▉ | 102/195 [00:20<00:13, 6.72it/s]
[2023-12-17 14:50:54] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.16.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
52%|██████████████████████████████████████████████████████████████████████████████▉ | 102/195 [00:20<00:13, 6.72it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
52%|██████████████████████████████████████████████████████████████████████████████▉ | 102/195 [00:20<00:13, 6.72it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
52%|██████████████████████████████████████████████████████████████████████████████▉ | 102/195 [00:20<00:13, 6.72it/s]
53%|████████████████████████████████████████████████████████████████████████████████▌ | 104/195 [00:20<00:12, 7.57it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
53%|████████████████████████████████████████████████████████████████████████████████▌ | 104/195 [00:20<00:12, 7.57it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.16.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
53%|████████████████████████████████████████████████████████████████████████████████▌ | 104/195 [00:20<00:12, 7.57it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.17.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
53%|████████████████████████████████████████████████████████████████████████████████▌ | 104/195 [00:20<00:12, 7.57it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
53%|████████████████████████████████████████████████████████████████████████████████▌ | 104/195 [00:21<00:12, 7.57it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
53%|████████████████████████████████████████████████████████████████████████████████▌ | 104/195 [00:21<00:12, 7.57it/s]
55%|██████████████████████████████████████████████████████████████████████████████████▊ | 107/195 [00:21<00:09, 9.22it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
55%|██████████████████████████████████████████████████████████████████████████████████▊ | 107/195 [00:21<00:09, 9.22it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
55%|██████████████████████████████████████████████████████████████████████████████████▊ | 107/195 [00:21<00:09, 9.22it/s]
55%|███████████████████████████████████████████████████████████████████████████████████▋ | 108/195 [00:21<00:12, 6.80it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.17.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
55%|███████████████████████████████████████████████████████████████████████████████████▋ | 108/195 [00:21<00:12, 6.80it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
55%|███████████████████████████████████████████████████████████████████████████████████▋ | 108/195 [00:21<00:12, 6.80it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
55%|███████████████████████████████████████████████████████████████████████████████████▋ | 108/195 [00:21<00:12, 6.80it/s]
56%|█████████████████████████████████████████████████████████████████████████████████████▏ | 110/195 [00:21<00:11, 7.62it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
56%|█████████████████████████████████████████████████████████████████████████████████████▏ | 110/195 [00:21<00:11, 7.62it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.17.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
56%|█████████████████████████████████████████████████████████████████████████████████████▏ | 110/195 [00:21<00:11, 7.62it/s]
[2023-12-17 14:50:55] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.18.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
56%|█████████████████████████████████████████████████████████████████████████████████████▏ | 110/195 [00:21<00:11, 7.62it/s]
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
56%|█████████████████████████████████████████████████████████████████████████████████████▏ | 110/195 [00:21<00:11, 7.62it/s]
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
56%|█████████████████████████████████████████████████████████████████████████████████████▏ | 110/195 [00:21<00:11, 7.62it/s]
58%|███████████████████████████████████████████████████████████████████████████████████████▌ | 113/195 [00:21<00:08, 9.24it/s]
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
58%|███████████████████████████████████████████████████████████████████████████████████████▌ | 113/195 [00:22<00:08, 9.24it/s]
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
58%|███████████████████████████████████████████████████████████████████████████████████████▌ | 113/195 [00:22<00:08, 9.24it/s]
[2023-12-17 14:50:56] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.18.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
58%|███████████████████████████████████████████████████████████████████████████████████████▌ | 113/195 [00:22<00:08, 9.24it/s]
59%|█████████████████████████████████████████████████████████████████████████████████████████ | 115/195 [00:22<00:10, 7.91it/s]
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
59%|█████████████████████████████████████████████████████████████████████████████████████████ | 115/195 [00:22<00:10, 7.91it/s]
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
59%|█████████████████████████████████████████████████████████████████████████████████████████ | 115/195 [00:22<00:10, 7.91it/s]
59%|█████████████████████████████████████████████████████████████████████████████████████████▊ | 116/195 [00:22<00:10, 7.26it/s]
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
59%|█████████████████████████████████████████████████████████████████████████████████████████▊ | 116/195 [00:22<00:10, 7.26it/s]
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.18.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
59%|█████████████████████████████████████████████████████████████████████████████████████████▊ | 116/195 [00:22<00:10, 7.26it/s]
[2023-12-17 14:50:56] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.19.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
59%|█████████████████████████████████████████████████████████████████████████████████████████▊ | 116/195 [00:22<00:10, 7.26it/s]
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
59%|█████████████████████████████████████████████████████████████████████████████████████████▊ | 116/195 [00:22<00:10, 7.26it/s]
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
59%|█████████████████████████████████████████████████████████████████████████████████████████▊ | 116/195 [00:22<00:10, 7.26it/s]
61%|████████████████████████████████████████████████████████████████████████████████████████████▏ | 119/195 [00:22<00:08, 8.98it/s]
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
61%|████████████████████████████████████████████████████████████████████████████████████████████▏ | 119/195 [00:22<00:08, 8.98it/s]
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
61%|████████████████████████████████████████████████████████████████████████████████████████████▏ | 119/195 [00:22<00:08, 8.98it/s]
62%|████████████████████████████████████████████████████████████████████████████████████████████▉ | 120/195 [00:22<00:11, 6.69it/s]
[2023-12-17 14:50:57] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.19.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
62%|████████████████████████████████████████████████████████████████████████████████████████████▉ | 120/195 [00:22<00:11, 6.69it/s]
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
62%|████████████████████████████████████████████████████████████████████████████████████████████▉ | 120/195 [00:23<00:11, 6.69it/s]
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
62%|████████████████████████████████████████████████████████████████████████████████████████████▉ | 120/195 [00:23<00:11, 6.69it/s]
63%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 122/195 [00:23<00:09, 7.55it/s]
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
63%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 122/195 [00:23<00:09, 7.55it/s]
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.19.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
63%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 122/195 [00:23<00:09, 7.55it/s]
[2023-12-17 14:50:57] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.2.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
63%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 122/195 [00:23<00:09, 7.55it/s]
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
63%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 122/195 [00:23<00:09, 7.55it/s]
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
63%|██████████████████████████████████████████████████████████████████████████████████████████████▍ | 122/195 [00:23<00:09, 7.55it/s]
64%|████████████████████████████████████████████████████████████████████████████████████████████████▊ | 125/195 [00:23<00:07, 9.20it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
64%|████████████████████████████████████████████████████████████████████████████████████████████████▊ | 125/195 [00:23<00:07, 9.20it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
64%|████████████████████████████████████████████████████████████████████████████████████████████████▊ | 125/195 [00:23<00:07, 9.20it/s]
65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌ | 126/195 [00:23<00:10, 6.82it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.2.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌ | 126/195 [00:23<00:10, 6.82it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌ | 126/195 [00:23<00:10, 6.82it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌ | 126/195 [00:23<00:10, 6.82it/s]
66%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 128/195 [00:23<00:08, 7.65it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
66%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 128/195 [00:23<00:08, 7.65it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.2.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
66%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 128/195 [00:23<00:08, 7.65it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.20.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
66%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 128/195 [00:23<00:08, 7.65it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
66%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 128/195 [00:24<00:08, 7.65it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
66%|███████████████████████████████████████████████████████████████████████████████████████████████████ | 128/195 [00:24<00:08, 7.65it/s]
67%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 131/195 [00:24<00:06, 9.27it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
67%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 131/195 [00:24<00:06, 9.27it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
67%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 131/195 [00:24<00:06, 9.27it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.20.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
67%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 131/195 [00:24<00:06, 9.27it/s]
68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 133/195 [00:24<00:07, 7.96it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 133/195 [00:24<00:07, 7.96it/s]
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 133/195 [00:24<00:07, 7.96it/s]
69%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 134/195 [00:24<00:08, 7.32it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
69%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 134/195 [00:24<00:08, 7.32it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.20.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
69%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 134/195 [00:24<00:08, 7.32it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.21.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
69%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 134/195 [00:24<00:08, 7.32it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
69%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 134/195 [00:24<00:08, 7.32it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
69%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 134/195 [00:24<00:08, 7.32it/s]
70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████ | 137/195 [00:24<00:06, 9.04it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████ | 137/195 [00:25<00:06, 9.04it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████ | 137/195 [00:25<00:06, 9.04it/s]
71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 138/195 [00:25<00:08, 6.72it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.21.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 138/195 [00:25<00:08, 6.72it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 138/195 [00:25<00:08, 6.72it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 138/195 [00:25<00:08, 6.72it/s]
72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 140/195 [00:25<00:07, 7.57it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 140/195 [00:25<00:07, 7.57it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.21.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 140/195 [00:25<00:07, 7.57it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.22.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 140/195 [00:25<00:07, 7.57it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 140/195 [00:25<00:07, 7.57it/s]
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 140/195 [00:25<00:07, 7.57it/s]
73%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 143/195 [00:25<00:05, 9.22it/s]
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
73%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 143/195 [00:25<00:05, 9.22it/s]
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
73%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 143/195 [00:25<00:05, 9.22it/s]
74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 144/195 [00:25<00:07, 6.83it/s]
[2023-12-17 14:51:00] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.22.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 144/195 [00:25<00:07, 6.83it/s]
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 144/195 [00:26<00:07, 6.83it/s]
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 144/195 [00:26<00:07, 6.83it/s]
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 146/195 [00:26<00:06, 7.65it/s]
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 146/195 [00:26<00:06, 7.65it/s]
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.22.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 146/195 [00:26<00:06, 7.65it/s]
[2023-12-17 14:51:00] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.23.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 146/195 [00:26<00:06, 7.65it/s]
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 146/195 [00:26<00:06, 7.65it/s]
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 146/195 [00:26<00:06, 7.65it/s]
76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 149/195 [00:26<00:04, 9.23it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 149/195 [00:26<00:04, 9.23it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 149/195 [00:26<00:04, 9.23it/s]
77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 150/195 [00:26<00:06, 6.83it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.23.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 150/195 [00:26<00:06, 6.83it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 150/195 [00:26<00:06, 6.83it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 150/195 [00:26<00:06, 6.83it/s]
78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 152/195 [00:26<00:05, 7.65it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 152/195 [00:26<00:05, 7.65it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.23.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 152/195 [00:26<00:05, 7.65it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.3.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 152/195 [00:26<00:05, 7.65it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 152/195 [00:27<00:05, 7.65it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 152/195 [00:27<00:05, 7.65it/s]
79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 155/195 [00:27<00:04, 9.27it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 155/195 [00:27<00:04, 9.27it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 155/195 [00:27<00:04, 9.27it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.3.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 155/195 [00:27<00:04, 9.27it/s]
81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 157/195 [00:27<00:04, 7.97it/s]
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 157/195 [00:27<00:04, 7.97it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 157/195 [00:27<00:04, 7.97it/s]
81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 158/195 [00:27<00:05, 7.32it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 158/195 [00:27<00:05, 7.32it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.3.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 158/195 [00:27<00:05, 7.32it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.4.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 158/195 [00:27<00:05, 7.32it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 158/195 [00:27<00:05, 7.32it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 158/195 [00:27<00:05, 7.32it/s]
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 161/195 [00:27<00:03, 9.04it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 161/195 [00:28<00:03, 9.04it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 161/195 [00:28<00:03, 9.04it/s]
83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 162/195 [00:28<00:04, 6.72it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.4.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 162/195 [00:28<00:04, 6.72it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 162/195 [00:28<00:04, 6.72it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 162/195 [00:28<00:04, 6.72it/s]
84%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 164/195 [00:28<00:04, 7.57it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
84%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 164/195 [00:28<00:04, 7.57it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.4.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
84%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 164/195 [00:28<00:04, 7.57it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.5.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
84%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 164/195 [00:28<00:04, 7.57it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
84%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 164/195 [00:28<00:04, 7.57it/s]
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
84%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 164/195 [00:28<00:04, 7.57it/s]
86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 167/195 [00:28<00:03, 9.22it/s]
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 167/195 [00:28<00:03, 9.22it/s]
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 167/195 [00:28<00:03, 9.22it/s]
86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 168/195 [00:28<00:03, 6.83it/s]
[2023-12-17 14:51:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.5.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 168/195 [00:28<00:03, 6.83it/s]
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 168/195 [00:29<00:03, 6.83it/s]
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 168/195 [00:29<00:03, 6.83it/s]
87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 170/195 [00:29<00:03, 7.66it/s]
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 170/195 [00:29<00:03, 7.66it/s]
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.5.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 170/195 [00:29<00:03, 7.66it/s]
[2023-12-17 14:51:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.6.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 170/195 [00:29<00:03, 7.66it/s]
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 170/195 [00:29<00:03, 7.66it/s]
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 170/195 [00:29<00:03, 7.66it/s]
89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 173/195 [00:29<00:02, 9.28it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 173/195 [00:29<00:02, 9.28it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 173/195 [00:29<00:02, 9.28it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.6.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 173/195 [00:29<00:02, 9.28it/s]
90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 175/195 [00:29<00:02, 7.98it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 175/195 [00:29<00:02, 7.98it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 175/195 [00:29<00:02, 7.98it/s]
90%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 176/195 [00:29<00:02, 7.33it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
90%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 176/195 [00:30<00:02, 7.33it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.6.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
90%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 176/195 [00:30<00:02, 7.33it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.7.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
90%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 176/195 [00:30<00:02, 7.33it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
90%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 176/195 [00:30<00:02, 7.33it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
90%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 176/195 [00:30<00:02, 7.33it/s]
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 179/195 [00:30<00:01, 9.04it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 179/195 [00:30<00:01, 9.04it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 179/195 [00:30<00:01, 9.04it/s]
92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 180/195 [00:30<00:02, 6.72it/s]
[2023-12-17 14:51:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.7.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 180/195 [00:30<00:02, 6.72it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 180/195 [00:30<00:02, 6.72it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 180/195 [00:30<00:02, 6.72it/s]
93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 182/195 [00:30<00:01, 7.57it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 182/195 [00:30<00:01, 7.57it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.7.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 182/195 [00:30<00:01, 7.57it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.8.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 182/195 [00:30<00:01, 7.57it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 182/195 [00:30<00:01, 7.57it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 182/195 [00:30<00:01, 7.57it/s]
95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 185/195 [00:30<00:01, 9.21it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 185/195 [00:31<00:01, 9.21it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 185/195 [00:31<00:01, 9.21it/s]
95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 186/195 [00:31<00:01, 6.82it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.8.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 186/195 [00:31<00:01, 6.82it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 186/195 [00:31<00:01, 6.82it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 186/195 [00:31<00:01, 6.82it/s]
96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 188/195 [00:31<00:00, 7.63it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 188/195 [00:31<00:00, 7.63it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.8.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 188/195 [00:31<00:00, 7.63it/s]
[2023-12-17 14:51:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.9.input_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 188/195 [00:31<00:00, 7.63it/s]
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.mlp.down_proj.q_weight[0m", shape: (4096, 1376), dtype: uint32 |
|
96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 188/195 [00:31<00:00, 7.63it/s]
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.mlp.down_proj.q_scale[0m", shape: (4096, 344), dtype: float32 |
|
96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 188/195 [00:31<00:00, 7.63it/s]
98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 191/195 [00:31<00:00, 9.24it/s]
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.mlp.gate_up_proj.q_weight[0m", shape: (22016, 512), dtype: uint32 |
|
98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 191/195 [00:32<00:00, 9.24it/s]
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.mlp.gate_up_proj.q_scale[0m", shape: (22016, 128), dtype: float32 |
|
98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 191/195 [00:32<00:00, 9.24it/s]
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 192/195 [00:32<00:00, 6.84it/s]
[2023-12-17 14:51:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "[1mmodel.layers.9.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32 |
|
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 192/195 [00:32<00:00, 6.84it/s]
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.self_attn.qkv_proj.q_weight[0m", shape: (12288, 512), dtype: uint32 |
|
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 192/195 [00:32<00:00, 6.84it/s]
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.self_attn.qkv_proj.q_scale[0m", shape: (12288, 128), dtype: float32 |
|
98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 192/195 [00:32<00:00, 6.84it/s]
99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏| 194/195 [00:32<00:00, 7.66it/s]
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.self_attn.o_proj.q_weight[0m", shape: (4096, 512), dtype: uint32 |
|
99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏| 194/195 [00:32<00:00, 7.66it/s]
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "[1mmodel.layers.9.self_attn.o_proj.q_scale[0m", shape: (4096, 128), dtype: float32 |
|
99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏| 194/195 [00:32<00:00, 7.66it/s]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 195/195 [00:32<00:00, 6.04it/s] |
| [2023-12-17 14:51:06] INFO huggingface_loader.py:179: Unloading HF weight file: /models/Llama-2-7b-chat-hf/pytorch_model-00001-of-00002.bin |
| [2023-12-17 14:51:06] INFO stats.py:71: [92mTime usage[0m: HF loading: 5.233 sec; Pre-quantization mapping: 21.910 sec; Quantization: 2.236 sec |
| [2023-12-17 14:51:06] INFO stats.py:85: [92mRAM usage[0m: Peak RAM: 9.291 GB. Total bytes loaded from disk: 12.551 GB |
| [2023-12-17 14:51:06] INFO convert_weight.py:109: [92mParameter size[0m after quantization: 3.923 GB |
| [2023-12-17 14:51:06] INFO convert_weight.py:114: [92mTotal parameters[0m: 6,738,415,616 |
| [2023-12-17 14:51:06] INFO convert_weight.py:115: [92mBits per parameter[0m: 5.001 |
| Start storing to cache /tmp/tmplskg415n |
|
[0001/0325] saving lm_head.q_weight
[0002/0325] saving lm_head.q_scale
[0003/0325] saving model.layers.24.input_layernorm.weight
[0004/0325] saving model.layers.24.mlp.down_proj.q_weight
[0005/0325] saving model.layers.24.mlp.down_proj.q_scale
[0006/0325] saving model.layers.24.mlp.gate_up_proj.q_weight
[0007/0325] saving model.layers.24.mlp.gate_up_proj.q_scale
[0008/0325] saving model.layers.24.post_attention_layernorm.weight
[0009/0325] saving model.layers.24.self_attn.qkv_proj.q_weight
[0010/0325] saving model.layers.24.self_attn.qkv_proj.q_scale
[0011/0325] saving model.layers.24.self_attn.o_proj.q_weight
[0012/0325] saving model.layers.24.self_attn.o_proj.q_scale
[0013/0325] saving model.layers.25.input_layernorm.weight
[0014/0325] saving model.layers.25.mlp.down_proj.q_weight
[0015/0325] saving model.layers.25.mlp.down_proj.q_scale
[0016/0325] saving model.layers.25.mlp.gate_up_proj.q_weight
[0017/0325] saving model.layers.25.mlp.gate_up_proj.q_scale
[0018/0325] saving model.layers.25.post_attention_layernorm.weight
[0019/0325] saving model.layers.25.self_attn.qkv_proj.q_weight
[0020/0325] saving model.layers.25.self_attn.qkv_proj.q_scale
[0021/0325] saving model.layers.25.self_attn.o_proj.q_weight
[0022/0325] saving model.layers.25.self_attn.o_proj.q_scale
[0023/0325] saving model.layers.26.input_layernorm.weight
[0024/0325] saving model.layers.26.mlp.down_proj.q_weight
[0025/0325] saving model.layers.26.mlp.down_proj.q_scale
[0026/0325] saving model.layers.26.mlp.gate_up_proj.q_weight
[0027/0325] saving model.layers.26.mlp.gate_up_proj.q_scale
[0028/0325] saving model.layers.26.post_attention_layernorm.weight
[0029/0325] saving model.layers.26.self_attn.qkv_proj.q_weight
[0030/0325] saving model.layers.26.self_attn.qkv_proj.q_scale
[0031/0325] saving model.layers.26.self_attn.o_proj.q_weight
[0032/0325] saving model.layers.26.self_attn.o_proj.q_scale
[0033/0325] saving model.layers.27.input_layernorm.weight
[0034/0325] saving model.layers.27.mlp.down_proj.q_weight
[0035/0325] saving model.layers.27.mlp.down_proj.q_scale
[0036/0325] saving model.layers.27.mlp.gate_up_proj.q_weight
[0037/0325] saving model.layers.27.mlp.gate_up_proj.q_scale
[0038/0325] saving model.layers.27.post_attention_layernorm.weight
[0039/0325] saving model.layers.27.self_attn.qkv_proj.q_weight
[0040/0325] saving model.layers.27.self_attn.qkv_proj.q_scale
[0041/0325] saving model.layers.27.self_attn.o_proj.q_weight
[0042/0325] saving model.layers.27.self_attn.o_proj.q_scale
[0043/0325] saving model.layers.28.input_layernorm.weight
[0044/0325] saving model.layers.28.mlp.down_proj.q_weight
[0045/0325] saving model.layers.28.mlp.down_proj.q_scale
[0046/0325] saving model.layers.28.mlp.gate_up_proj.q_weight
[0047/0325] saving model.layers.28.mlp.gate_up_proj.q_scale
[0048/0325] saving model.layers.28.post_attention_layernorm.weight
[0049/0325] saving model.layers.28.self_attn.qkv_proj.q_weight
[0050/0325] saving model.layers.28.self_attn.qkv_proj.q_scale
[0051/0325] saving model.layers.28.self_attn.o_proj.q_weight
[0052/0325] saving model.layers.28.self_attn.o_proj.q_scale
[0053/0325] saving model.layers.29.input_layernorm.weight
[0054/0325] saving model.layers.29.mlp.down_proj.q_weight
[0055/0325] saving model.layers.29.mlp.down_proj.q_scale
[0056/0325] saving model.layers.29.mlp.gate_up_proj.q_weight
[0057/0325] saving model.layers.29.mlp.gate_up_proj.q_scale
[0058/0325] saving model.layers.29.post_attention_layernorm.weight
[0059/0325] saving model.layers.29.self_attn.qkv_proj.q_weight
[0060/0325] saving model.layers.29.self_attn.qkv_proj.q_scale
[0061/0325] saving model.layers.29.self_attn.o_proj.q_weight
[0062/0325] saving model.layers.29.self_attn.o_proj.q_scale
[0063/0325] saving model.layers.30.input_layernorm.weight
[0064/0325] saving model.layers.30.mlp.down_proj.q_weight
[0065/0325] saving model.layers.30.mlp.down_proj.q_scale
[0066/0325] saving model.layers.30.mlp.gate_up_proj.q_weight
[0067/0325] saving model.layers.30.mlp.gate_up_proj.q_scale
[0068/0325] saving model.layers.30.post_attention_layernorm.weight
[0069/0325] saving model.layers.30.self_attn.qkv_proj.q_weight
[0070/0325] saving model.layers.30.self_attn.qkv_proj.q_scale
[0071/0325] saving model.layers.30.self_attn.o_proj.q_weight
[0072/0325] saving model.layers.30.self_attn.o_proj.q_scale
[0073/0325] saving model.layers.31.input_layernorm.weight
[0074/0325] saving model.layers.31.mlp.down_proj.q_weight
[0075/0325] saving model.layers.31.mlp.down_proj.q_scale
[0076/0325] saving model.layers.31.mlp.gate_up_proj.q_weight
[0077/0325] saving model.layers.31.mlp.gate_up_proj.q_scale
[0078/0325] saving model.layers.31.post_attention_layernorm.weight
[0079/0325] saving model.layers.31.self_attn.qkv_proj.q_weight
[0080/0325] saving model.layers.31.self_attn.qkv_proj.q_scale
[0081/0325] saving model.layers.31.self_attn.o_proj.q_weight
[0082/0325] saving model.layers.31.self_attn.o_proj.q_scale
[0083/0325] saving model.norm.weight
[0084/0325] saving model.embed_tokens.q_weight
[0085/0325] saving model.embed_tokens.q_scale
[0086/0325] saving model.layers.0.input_layernorm.weight
[0087/0325] saving model.layers.0.mlp.down_proj.q_weight
[0088/0325] saving model.layers.0.mlp.down_proj.q_scale
[0089/0325] saving model.layers.0.mlp.gate_up_proj.q_weight
[0090/0325] saving model.layers.0.mlp.gate_up_proj.q_scale
[0091/0325] saving model.layers.0.post_attention_layernorm.weight
[0092/0325] saving model.layers.0.self_attn.qkv_proj.q_weight
[0093/0325] saving model.layers.0.self_attn.qkv_proj.q_scale
[0094/0325] saving model.layers.0.self_attn.o_proj.q_weight
[0095/0325] saving model.layers.0.self_attn.o_proj.q_scale
[0096/0325] saving model.layers.1.input_layernorm.weight
[0097/0325] saving model.layers.1.mlp.down_proj.q_weight
[0098/0325] saving model.layers.1.mlp.down_proj.q_scale
[0099/0325] saving model.layers.1.mlp.gate_up_proj.q_weight
[0100/0325] saving model.layers.1.mlp.gate_up_proj.q_scale
[0101/0325] saving model.layers.1.post_attention_layernorm.weight
[0102/0325] saving model.layers.1.self_attn.qkv_proj.q_weight
[0103/0325] saving model.layers.1.self_attn.qkv_proj.q_scale
[0104/0325] saving model.layers.1.self_attn.o_proj.q_weight
[0105/0325] saving model.layers.1.self_attn.o_proj.q_scale
[0106/0325] saving model.layers.10.input_layernorm.weight
[0107/0325] saving model.layers.10.mlp.down_proj.q_weight
[0108/0325] saving model.layers.10.mlp.down_proj.q_scale
[0109/0325] saving model.layers.10.mlp.gate_up_proj.q_weight
[0110/0325] saving model.layers.10.mlp.gate_up_proj.q_scale
[0111/0325] saving model.layers.10.post_attention_layernorm.weight
[0112/0325] saving model.layers.10.self_attn.qkv_proj.q_weight
[0113/0325] saving model.layers.10.self_attn.qkv_proj.q_scale
[0114/0325] saving model.layers.10.self_attn.o_proj.q_weight
[0115/0325] saving model.layers.10.self_attn.o_proj.q_scale
[0116/0325] saving model.layers.11.input_layernorm.weight
[0117/0325] saving model.layers.11.mlp.down_proj.q_weight
[0118/0325] saving model.layers.11.mlp.down_proj.q_scale
[0119/0325] saving model.layers.11.mlp.gate_up_proj.q_weight
[0120/0325] saving model.layers.11.mlp.gate_up_proj.q_scale
[0121/0325] saving model.layers.11.post_attention_layernorm.weight
[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.12.input_layernorm.weight
[0127/0325] saving model.layers.12.mlp.down_proj.q_weight
[0128/0325] saving model.layers.12.mlp.down_proj.q_scale
[0129/0325] saving model.layers.12.mlp.gate_up_proj.q_weight
[0130/0325] saving model.layers.12.mlp.gate_up_proj.q_scale
[0131/0325] saving model.layers.12.post_attention_layernorm.weight
[0132/0325] saving model.layers.12.self_attn.qkv_proj.q_weight
[0133/0325] saving model.layers.12.self_attn.qkv_proj.q_scale
[0134/0325] saving model.layers.12.self_attn.o_proj.q_weight
[0135/0325] saving model.layers.12.self_attn.o_proj.q_scale
[0136/0325] saving model.layers.13.input_layernorm.weight
[0137/0325] saving model.layers.13.mlp.down_proj.q_weight
[0138/0325] saving model.layers.13.mlp.down_proj.q_scale
[0139/0325] saving model.layers.13.mlp.gate_up_proj.q_weight
[0140/0325] saving model.layers.13.mlp.gate_up_proj.q_scale
[0141/0325] saving model.layers.13.post_attention_layernorm.weight
[0142/0325] saving model.layers.13.self_attn.qkv_proj.q_weight
[0143/0325] saving model.layers.13.self_attn.qkv_proj.q_scale
[0144/0325] saving model.layers.13.self_attn.o_proj.q_weight
[0145/0325] saving model.layers.13.self_attn.o_proj.q_scale
[0146/0325] saving model.layers.14.input_layernorm.weight
[0147/0325] saving model.layers.14.mlp.down_proj.q_weight
[0148/0325] saving model.layers.14.mlp.down_proj.q_scale
[0149/0325] saving model.layers.14.mlp.gate_up_proj.q_weight
[0150/0325] saving model.layers.14.mlp.gate_up_proj.q_scale
[0151/0325] saving model.layers.14.post_attention_layernorm.weight
[0152/0325] saving model.layers.14.self_attn.qkv_proj.q_weight
[0153/0325] saving model.layers.14.self_attn.qkv_proj.q_scale
[0154/0325] saving model.layers.14.self_attn.o_proj.q_weight
[0155/0325] saving model.layers.14.self_attn.o_proj.q_scale
[0156/0325] saving model.layers.15.input_layernorm.weight
[0157/0325] saving model.layers.15.mlp.down_proj.q_weight
[0158/0325] saving model.layers.15.mlp.down_proj.q_scale
[0159/0325] saving model.layers.15.mlp.gate_up_proj.q_weight
[0160/0325] saving model.layers.15.mlp.gate_up_proj.q_scale
[0161/0325] saving model.layers.15.post_attention_layernorm.weight
[0162/0325] saving model.layers.15.self_attn.qkv_proj.q_weight
[0163/0325] saving model.layers.15.self_attn.qkv_proj.q_scale
[0164/0325] saving model.layers.15.self_attn.o_proj.q_weight
[0165/0325] saving model.layers.15.self_attn.o_proj.q_scale
[0166/0325] saving model.layers.16.input_layernorm.weight
[0167/0325] saving model.layers.16.mlp.down_proj.q_weight
[0168/0325] saving model.layers.16.mlp.down_proj.q_scale
[0169/0325] saving model.layers.16.mlp.gate_up_proj.q_weight
[0170/0325] saving model.layers.16.mlp.gate_up_proj.q_scale
[0171/0325] saving model.layers.16.post_attention_layernorm.weight
[0172/0325] saving model.layers.16.self_attn.qkv_proj.q_weight
[0173/0325] saving model.layers.16.self_attn.qkv_proj.q_scale
[0174/0325] saving model.layers.16.self_attn.o_proj.q_weight
[0175/0325] saving model.layers.16.self_attn.o_proj.q_scale
[0176/0325] saving model.layers.17.input_layernorm.weight
[0177/0325] saving model.layers.17.mlp.down_proj.q_weight
[0178/0325] saving model.layers.17.mlp.down_proj.q_scale
[0179/0325] saving model.layers.17.mlp.gate_up_proj.q_weight
[0180/0325] saving model.layers.17.mlp.gate_up_proj.q_scale
[0181/0325] saving model.layers.17.post_attention_layernorm.weight
[0182/0325] saving model.layers.17.self_attn.qkv_proj.q_weight
[0183/0325] saving model.layers.17.self_attn.qkv_proj.q_scale
[0184/0325] saving model.layers.17.self_attn.o_proj.q_weight
[0185/0325] saving model.layers.17.self_attn.o_proj.q_scale
[0186/0325] saving model.layers.18.input_layernorm.weight
[0187/0325] saving model.layers.18.mlp.down_proj.q_weight
[0188/0325] saving model.layers.18.mlp.down_proj.q_scale
[0189/0325] saving model.layers.18.mlp.gate_up_proj.q_weight
[0190/0325] saving model.layers.18.mlp.gate_up_proj.q_scale
[0191/0325] saving model.layers.18.post_attention_layernorm.weight
[0192/0325] saving model.layers.18.self_attn.qkv_proj.q_weight
[0193/0325] saving model.layers.18.self_attn.qkv_proj.q_scale
[0194/0325] saving model.layers.18.self_attn.o_proj.q_weight
[0195/0325] saving model.layers.18.self_attn.o_proj.q_scale
[0196/0325] saving model.layers.19.input_layernorm.weight
[0197/0325] saving model.layers.19.mlp.down_proj.q_weight
[0198/0325] saving model.layers.19.mlp.down_proj.q_scale
[0199/0325] saving model.layers.19.mlp.gate_up_proj.q_weight
[0200/0325] saving model.layers.19.mlp.gate_up_proj.q_scale
[0201/0325] saving model.layers.19.post_attention_layernorm.weight
[0202/0325] saving model.layers.19.self_attn.qkv_proj.q_weight
[0203/0325] saving model.layers.19.self_attn.qkv_proj.q_scale
[0204/0325] saving model.layers.19.self_attn.o_proj.q_weight
[0205/0325] saving model.layers.19.self_attn.o_proj.q_scale
[0206/0325] saving model.layers.2.input_layernorm.weight
[0207/0325] saving model.layers.2.mlp.down_proj.q_weight
[0208/0325] saving model.layers.2.mlp.down_proj.q_scale
[0209/0325] saving model.layers.2.mlp.gate_up_proj.q_weight
[0210/0325] saving model.layers.2.mlp.gate_up_proj.q_scale
[0211/0325] saving model.layers.2.post_attention_layernorm.weight
[0212/0325] saving model.layers.2.self_attn.qkv_proj.q_weight
[0213/0325] saving model.layers.2.self_attn.qkv_proj.q_scale
[0214/0325] saving model.layers.2.self_attn.o_proj.q_weight
[0215/0325] saving model.layers.2.self_attn.o_proj.q_scale
[0216/0325] saving model.layers.20.input_layernorm.weight
[0217/0325] saving model.layers.20.mlp.down_proj.q_weight
[0218/0325] saving model.layers.20.mlp.down_proj.q_scale
[0219/0325] saving model.layers.20.mlp.gate_up_proj.q_weight
[0220/0325] saving model.layers.20.mlp.gate_up_proj.q_scale
[0221/0325] saving model.layers.20.post_attention_layernorm.weight
[0222/0325] saving model.layers.20.self_attn.qkv_proj.q_weight
[0223/0325] saving model.layers.20.self_attn.qkv_proj.q_scale
[0224/0325] saving model.layers.20.self_attn.o_proj.q_weight
[0225/0325] saving model.layers.20.self_attn.o_proj.q_scale
[0226/0325] saving model.layers.21.input_layernorm.weight
[0227/0325] saving model.layers.21.mlp.down_proj.q_weight
[0228/0325] saving model.layers.21.mlp.down_proj.q_scale
[0229/0325] saving model.layers.21.mlp.gate_up_proj.q_weight
[0230/0325] saving model.layers.21.mlp.gate_up_proj.q_scale
[0231/0325] saving model.layers.21.post_attention_layernorm.weight
[0232/0325] saving model.layers.21.self_attn.qkv_proj.q_weight
[0233/0325] saving model.layers.21.self_attn.qkv_proj.q_scale
[0234/0325] saving model.layers.21.self_attn.o_proj.q_weight
[0235/0325] saving model.layers.21.self_attn.o_proj.q_scale
[0236/0325] saving model.layers.22.input_layernorm.weight
[0237/0325] saving model.layers.22.mlp.down_proj.q_weight
[0238/0325] saving model.layers.22.mlp.down_proj.q_scale
[0239/0325] saving model.layers.22.mlp.gate_up_proj.q_weight
[0240/0325] saving model.layers.22.mlp.gate_up_proj.q_scale
[0241/0325] saving model.layers.22.post_attention_layernorm.weight
[0242/0325] saving model.layers.22.self_attn.qkv_proj.q_weight
[0243/0325] saving model.layers.22.self_attn.qkv_proj.q_scale
[0244/0325] saving model.layers.22.self_attn.o_proj.q_weight
[0245/0325] saving model.layers.22.self_attn.o_proj.q_scale
[0246/0325] saving model.layers.23.input_layernorm.weight
[0247/0325] saving model.layers.23.mlp.down_proj.q_weight
[0248/0325] saving model.layers.23.mlp.down_proj.q_scale
[0249/0325] saving model.layers.23.mlp.gate_up_proj.q_weight
[0250/0325] saving model.layers.23.mlp.gate_up_proj.q_scale
[0251/0325] saving model.layers.23.post_attention_layernorm.weight
[0252/0325] saving model.layers.23.self_attn.qkv_proj.q_weight
[0253/0325] saving model.layers.23.self_attn.qkv_proj.q_scale
[0254/0325] saving model.layers.23.self_attn.o_proj.q_weight
[0255/0325] saving model.layers.23.self_attn.o_proj.q_scale
[0256/0325] saving model.layers.3.input_layernorm.weight
[0257/0325] saving model.layers.3.mlp.down_proj.q_weight
[0258/0325] saving model.layers.3.mlp.down_proj.q_scale
[0259/0325] saving model.layers.3.mlp.gate_up_proj.q_weight
[0260/0325] saving model.layers.3.mlp.gate_up_proj.q_scale
[0261/0325] saving model.layers.3.post_attention_layernorm.weight
[0262/0325] saving model.layers.3.self_attn.qkv_proj.q_weight
[0263/0325] saving model.layers.3.self_attn.qkv_proj.q_scale
[0264/0325] saving model.layers.3.self_attn.o_proj.q_weight
[0265/0325] saving model.layers.3.self_attn.o_proj.q_scale
[0266/0325] saving model.layers.4.input_layernorm.weight
[0267/0325] saving model.layers.4.mlp.down_proj.q_weight
[0268/0325] saving model.layers.4.mlp.down_proj.q_scale
[0269/0325] saving model.layers.4.mlp.gate_up_proj.q_weight
[0270/0325] saving model.layers.4.mlp.gate_up_proj.q_scale
[0271/0325] saving model.layers.4.post_attention_layernorm.weight
[0272/0325] saving model.layers.4.self_attn.qkv_proj.q_weight
[0273/0325] saving model.layers.4.self_attn.qkv_proj.q_scale
[0274/0325] saving model.layers.4.self_attn.o_proj.q_weight
[0275/0325] saving model.layers.4.self_attn.o_proj.q_scale
[0276/0325] saving model.layers.5.input_layernorm.weight
[0277/0325] saving model.layers.5.mlp.down_proj.q_weight
[0278/0325] saving model.layers.5.mlp.down_proj.q_scale
[0279/0325] saving model.layers.5.mlp.gate_up_proj.q_weight
[0280/0325] saving model.layers.5.mlp.gate_up_proj.q_scale
[0281/0325] saving model.layers.5.post_attention_layernorm.weight
[0282/0325] saving model.layers.5.self_attn.qkv_proj.q_weight
[0283/0325] saving model.layers.5.self_attn.qkv_proj.q_scale
[0284/0325] saving model.layers.5.self_attn.o_proj.q_weight
[0285/0325] saving model.layers.5.self_attn.o_proj.q_scale
[0286/0325] saving model.layers.6.input_layernorm.weight
[0287/0325] saving model.layers.6.mlp.down_proj.q_weight
[0288/0325] saving model.layers.6.mlp.down_proj.q_scale
[0289/0325] saving model.layers.6.mlp.gate_up_proj.q_weight
[0290/0325] saving model.layers.6.mlp.gate_up_proj.q_scale
[0291/0325] saving model.layers.6.post_attention_layernorm.weight
[0292/0325] saving model.layers.6.self_attn.qkv_proj.q_weight
[0293/0325] saving model.layers.6.self_attn.qkv_proj.q_scale
[0294/0325] saving model.layers.6.self_attn.o_proj.q_weight
[0295/0325] saving model.layers.6.self_attn.o_proj.q_scale
[0296/0325] saving model.layers.7.input_layernorm.weight
[0297/0325] saving model.layers.7.mlp.down_proj.q_weight
[0298/0325] saving model.layers.7.mlp.down_proj.q_scale
[0299/0325] saving model.layers.7.mlp.gate_up_proj.q_weight
[0300/0325] saving model.layers.7.mlp.gate_up_proj.q_scale
[0301/0325] saving model.layers.7.post_attention_layernorm.weight
[0302/0325] saving model.layers.7.self_attn.qkv_proj.q_weight
[0303/0325] saving model.layers.7.self_attn.qkv_proj.q_scale
[0304/0325] saving model.layers.7.self_attn.o_proj.q_weight
[0305/0325] saving model.layers.7.self_attn.o_proj.q_scale
[0306/0325] saving model.layers.8.input_layernorm.weight
[0307/0325] saving model.layers.8.mlp.down_proj.q_weight
[0308/0325] saving model.layers.8.mlp.down_proj.q_scale
[0309/0325] saving model.layers.8.mlp.gate_up_proj.q_weight
[0310/0325] saving model.layers.8.mlp.gate_up_proj.q_scale
[0311/0325] saving model.layers.8.post_attention_layernorm.weight
[0312/0325] saving model.layers.8.self_attn.qkv_proj.q_weight
[0313/0325] saving model.layers.8.self_attn.qkv_proj.q_scale
[0314/0325] saving model.layers.8.self_attn.o_proj.q_weight
[0315/0325] saving model.layers.8.self_attn.o_proj.q_scale
[0316/0325] saving model.layers.9.input_layernorm.weight
[0317/0325] saving model.layers.9.mlp.down_proj.q_weight
[0318/0325] saving model.layers.9.mlp.down_proj.q_scale
[0319/0325] saving model.layers.9.mlp.gate_up_proj.q_weight
[0320/0325] saving model.layers.9.mlp.gate_up_proj.q_scale
[0321/0325] saving model.layers.9.post_attention_layernorm.weight[2023-12-17 14:51:16] INFO convert_weight.py:131: Saved to directory: [1m/tmp/tmplskg415n[0m |
|
[0322/0325] saving model.layers.9.self_attn.qkv_proj.q_weight
[0323/0325] saving model.layers.9.self_attn.qkv_proj.q_scale
[0324/0325] saving model.layers.9.self_attn.o_proj.q_weight
[0325/0325] saving model.layers.9.self_attn.o_proj.q_scale |
| All finished, 132 total shards committed, record saved to /tmp/tmplskg415n/ndarray-cache.json |
|
|
