diff --git "a/logs.txt" "b/logs.txt"
new file mode 100644--- /dev/null
+++ "b/logs.txt"
@@ -0,0 +1,385 @@
+/home/cfruan/.conda/envs/mlc-source-311/bin/python -m mlc_chat gen_config /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2 --quantization q0f16 --conv-template phi-2 --output /tmp/tmplm7re2l5
+[2023-12-28 23:12:44] INFO auto_config.py:115: Found model configuration: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/config.json
+[2023-12-28 23:12:44] INFO auto_config.py:151: Found model type: phi-msft. Use `--model-type` to override.
+[2023-12-28 23:12:44] INFO phi_model.py:59: context_window_size not found in config.json. Falling back to n_positions (2048)
+[2023-12-28 23:12:44] INFO gen_config.py:129: Not found tokenizer config: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/tokenizer.model
+[2023-12-28 23:12:44] INFO gen_config.py:127: Found tokenizer config: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/tokenizer.json. Copying to /tmp/tmplm7re2l5/tokenizer.json
+[2023-12-28 23:12:44] INFO gen_config.py:127: Found tokenizer config: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/vocab.json. Copying to /tmp/tmplm7re2l5/vocab.json
+[2023-12-28 23:12:44] INFO gen_config.py:127: Found tokenizer config: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/merges.txt. Copying to /tmp/tmplm7re2l5/merges.txt
+[2023-12-28 23:12:44] INFO gen_config.py:127: Found tokenizer config: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/added_tokens.json. Copying to /tmp/tmplm7re2l5/added_tokens.json
+[2023-12-28 23:12:44] INFO gen_config.py:127: Found tokenizer config: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/tokenizer_config.json. Copying to /tmp/tmplm7re2l5/tokenizer_config.json
+[2023-12-28 23:12:44] INFO gen_config.py:69: [System default] Setting pad_token_id: 0
+[2023-12-28 23:12:44] INFO gen_config.py:69: [System default] Setting bos_token_id: 1
+[2023-12-28 23:12:44] INFO gen_config.py:69: [System default] Setting eos_token_id: 2
+[2023-12-28 23:12:44] INFO gen_config.py:69: [System default] Setting temperature: 0.7
+[2023-12-28 23:12:44] INFO gen_config.py:69: [System default] Setting repetition_penalty: 1.0
+[2023-12-28 23:12:44] INFO gen_config.py:69: [System default] Setting top_p: 0.95
+[2023-12-28 23:12:44] INFO gen_config.py:69: [System default] Setting mean_gen_len: 128
+[2023-12-28 23:12:44] INFO gen_config.py:69: [System default] Setting max_gen_len: 512
+[2023-12-28 23:12:44] INFO gen_config.py:69: [System default] Setting shift_fill_factor: 0.3
+[2023-12-28 23:12:44] INFO gen_config.py:157: Dumping configuration file to: /tmp/tmplm7re2l5/mlc-chat-config.json
+/home/cfruan/.conda/envs/mlc-source-311/bin/python -m mlc_chat convert_weight /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2 --quantization q0f16 --source-format auto --output /tmp/tmplm7re2l5
+[2023-12-28 23:12:44] INFO auto_config.py:115: Found model configuration: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/config.json
+[2023-12-28 23:12:44] INFO auto_device.py:76: Found device: cuda:0
+[2023-12-28 23:12:44] INFO auto_device.py:76: Found device: cuda:1
+[2023-12-28 23:12:45] INFO auto_device.py:85: Not found device: rocm:0
+[2023-12-28 23:12:45] INFO auto_device.py:85: Not found device: metal:0
+[2023-12-28 23:12:45] INFO auto_device.py:76: Found device: vulkan:0
+[2023-12-28 23:12:45] INFO auto_device.py:76: Found device: vulkan:1
+[2023-12-28 23:12:45] INFO auto_device.py:76: Found device: vulkan:2
+[2023-12-28 23:12:45] INFO auto_device.py:85: Not found device: opencl:0
+[2023-12-28 23:12:45] INFO auto_device.py:33: Using device: cuda:0
+[2023-12-28 23:12:45] INFO auto_weight.py:70: Finding weights in: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2
+[2023-12-28 23:12:45] INFO auto_weight.py:136: Not found Huggingface PyTorch
+[2023-12-28 23:12:45] INFO auto_weight.py:143: Found source weight format: huggingface-safetensor. Source configuration: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/model.safetensors.index.json
+[2023-12-28 23:12:45] INFO auto_weight.py:106: Using source weight configuration: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/model.safetensors.index.json. Use `--source` to override.
+[2023-12-28 23:12:45] INFO auto_weight.py:110: Using source weight format: huggingface-safetensor. Use `--source-format` to override.
+[2023-12-28 23:12:45] INFO auto_config.py:151: Found model type: phi-msft. Use `--model-type` to override.
+[2023-12-28 23:12:45] INFO phi_model.py:59: context_window_size not found in config.json. Falling back to n_positions (2048)
+Weight conversion with arguments:
+  --config          /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/config.json
+  --quantization    NoQuantize(name='q0f16', kind='no-quant', model_dtype='float16')
+  --model-type      phi-msft
+  --device          cuda:0
+  --source          /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/model.safetensors.index.json
+  --source-format   huggingface-safetensor
+  --output          /tmp/tmplm7re2l5
+
  0%|                                                                                                                                                                                                                                 | 0/325 [00:00<?, ?it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:49] INFO huggingface_loader.py:169: Loading HF parameters from: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/model-00002-of-00002.safetensors
+
  0%|                                                                                                                                                                                                                                 | 0/325 [00:00<?, ?it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "lm_head.linear.bias", shape: (51200,), dtype: float16
+
  0%|                                                                                                                                                                                                                                 | 0/325 [00:01<?, ?it/s]
  0%|▋                                                                                                                                                                                                                        | 1/325 [00:01<07:26,  1.38s/it]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "lm_head.linear.weight", shape: (51200, 2560), dtype: float16
+
  0%|▋                                                                                                                                                                                                                        | 1/325 [00:01<07:26,  1.38s/it]
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "lm_head.ln.bias", shape: (2560,), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "lm_head.ln.weight", shape: (2560,), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.30.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.30.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.30.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.30.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.30.mlp.fc1.bias", shape: (10240,), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.30.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.30.mlp.fc2.bias", shape: (2560,), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.30.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.31.ln.bias", shape: (2560,), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.31.ln.weight", shape: (2560,), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.31.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.31.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
  1%|█▎                                                                                                                                                                                                                       | 2/325 [00:01<03:36,  1.49it/s]
  5%|██████████▋                                                                                                                                                                                                             | 16/325 [00:01<00:18, 16.85it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.31.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
  5%|██████████▋                                                                                                                                                                                                             | 16/325 [00:01<00:18, 16.85it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.31.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
  5%|██████████▋                                                                                                                                                                                                             | 16/325 [00:01<00:18, 16.85it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.31.mlp.fc1.bias", shape: (10240,), dtype: float16
+
  5%|██████████▋                                                                                                                                                                                                             | 16/325 [00:01<00:18, 16.85it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.31.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
  5%|██████████▋                                                                                                                                                                                                             | 16/325 [00:01<00:18, 16.85it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.31.mlp.fc2.bias", shape: (2560,), dtype: float16
+
  5%|██████████▋                                                                                                                                                                                                             | 16/325 [00:01<00:18, 16.85it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.31.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
  5%|██████████▋                                                                                                                                                                                                             | 16/325 [00:01<00:18, 16.85it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:179: Unloading HF weight file: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/model-00002-of-00002.safetensors
+
  5%|██████████▋                                                                                                                                                                                                             | 16/325 [00:01<00:18, 16.85it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:12:50] INFO huggingface_loader.py:169: Loading HF parameters from: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/model-00001-of-00002.safetensors
+
  5%|██████████▋                                                                                                                                                                                                             | 16/325 [00:01<00:18, 16.85it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.embd.weight", shape: (51200, 2560), dtype: float16
+
  5%|██████████▋                                                                                                                                                                                                             | 16/325 [00:13<00:18, 16.85it/s]
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.0.ln.bias", shape: (2560,), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.0.ln.weight", shape: (2560,), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.0.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.0.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.0.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.0.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.0.mlp.fc1.bias", shape: (10240,), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.0.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.0.mlp.fc2.bias", shape: (2560,), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.0.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.1.ln.bias", shape: (2560,), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.1.ln.weight", shape: (2560,), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.1.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.1.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.1.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.1.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
  7%|███████████████▎                                                                                                                                                                                                        | 23/325 [00:13<03:29,  1.44it/s]
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.1.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.1.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.1.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.1.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.10.ln.bias", shape: (2560,), dtype: float16
+
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.10.ln.weight", shape: (2560,), dtype: float16
+
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.10.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.10.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.10.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.10.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.10.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.10.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 12%|█████████████████████████▉                                                                                                                                                                                              | 39/325 [00:13<01:27,  3.27it/s]
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.10.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.10.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.11.ln.bias", shape: (2560,), dtype: float16
+
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.11.ln.weight", shape: (2560,), dtype: float16
+
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.11.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.11.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.11.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.11.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.11.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.11.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.11.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.11.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 16%|█████████████████████████████████▉                                                                                                                                                                                      | 51/325 [00:13<00:53,  5.16it/s]
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.12.ln.bias", shape: (2560,), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.12.ln.weight", shape: (2560,), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.12.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.12.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.12.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.12.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.12.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.12.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.12.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.12.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 19%|████████████████████████████████████████���▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.13.ln.bias", shape: (2560,), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.13.ln.weight", shape: (2560,), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.13.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.13.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.13.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.13.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 19%|█████████████████████████████████████████▊                                                                                                                                                                              | 63/325 [00:13<00:33,  7.73it/s]
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.13.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.13.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.13.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.13.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.14.ln.bias", shape: (2560,), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.14.ln.weight", shape: (2560,), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.14.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.14.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.14.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.14.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.14.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.14.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.14.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 24%|████████████████████████████████████████████████████▌                                                                                                                                                                   | 79/325 [00:13<00:19, 12.48it/s]
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.14.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.15.ln.bias", shape: (2560,), dtype: float16
+
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.15.ln.weight", shape: (2560,), dtype: float16
+
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.15.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.15.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.15.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.15.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.15.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.15.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.15.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.15.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.16.ln.bias", shape: (2560,), dtype: float16
+
 28%|█████████████████████████████████████████████████████████████▏                                                                                                                                                          | 92/325 [00:13<00:13, 17.26it/s]
 32%|████████████████████████████████████████████████████████████████████▊                                                                                                                                                  | 104/325 [00:13<00:09, 22.80it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.16.ln.weight", shape: (2560,), dtype: float16
+
 32%|████████████████████████████████████████████████████████████████████▊                                                                                                                                                  | 104/325 [00:13<00:09, 22.80it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.16.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 32%|████████████████████████████████████████████████████████████████████▊                                                                                                                                                  | 104/325 [00:13<00:09, 22.80it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.16.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 32%|████████████████████████████████████████████████████████████████████▊                                                                                                                                                  | 104/325 [00:13<00:09, 22.80it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.16.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 32%|████████████████████████████████████████████████████████████████████▊                                                                                                                                                  | 104/325 [00:13<00:09, 22.80it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.16.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 32%|████████████████████████████████████████████████████████████████████▊                                                                                                                                                  | 104/325 [00:13<00:09, 22.80it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.16.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 32%|████████████████████████████████████████████████████████████████████▊                                                                                                                                                  | 104/325 [00:13<00:09, 22.80it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.16.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 32%|████████████████████████████████████████████████████████████████████▊                                                                                                                                                  | 104/325 [00:14<00:09, 22.80it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.16.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 32%|████████████████████████████████████████████████████████████████████▊                                                                                                                                                  | 104/325 [00:14<00:09, 22.80it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.16.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 32%|████████████████████████████████████████████████████████████████████▊                                                                                                                                                  | 104/325 [00:14<00:09, 22.80it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.17.ln.bias", shape: (2560,), dtype: float16
+
 32%|████████████████████████████████████████████████████████████████████▊                                                                                                                                                  | 104/325 [00:14<00:09, 22.80it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.17.ln.weight", shape: (2560,), dtype: float16
+
 32%|████████████████████████████████████████████████████████████████████▊                                                                                                                                                  | 104/325 [00:14<00:09, 22.80it/s]
 35%|████████████████████████████████████████████████████████████████████████████                                                                                                                                           | 115/325 [00:14<00:07, 27.88it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.17.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 35%|████████████████████████████████████████████████████████████████████████████                                                                                                                                           | 115/325 [00:14<00:07, 27.88it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.17.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 35%|████████████████████████████████████████████████████████████████████████████                                                                                                                                           | 115/325 [00:14<00:07, 27.88it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.17.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 35%|████████████████████████████████████████████████████████████████████████████                                                                                                                                           | 115/325 [00:14<00:07, 27.88it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.17.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 35%|████████████████████████████████████████████████████████████████████████████                                                                                                                                           | 115/325 [00:14<00:07, 27.88it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.17.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 35%|████████████████████████████████████████████████████████████████████████████                                                                                                                                           | 115/325 [00:14<00:07, 27.88it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.17.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 35%|████████████████████████████████████████████████████████████████████████████                                                                                                                                           | 115/325 [00:14<00:07, 27.88it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.17.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 35%|████████████████████████████████████████████████████████████████████████████                                                                                                                                           | 115/325 [00:14<00:07, 27.88it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.17.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 35%|█████████████���██████████████████████████████████████████████████████████████                                                                                                                                           | 115/325 [00:14<00:07, 27.88it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.18.ln.bias", shape: (2560,), dtype: float16
+
 35%|████████████████████████████████████████████████████████████████████████████                                                                                                                                           | 115/325 [00:14<00:07, 27.88it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.18.ln.weight", shape: (2560,), dtype: float16
+
 35%|████████████████████████████████████████████████████████████████████████████                                                                                                                                           | 115/325 [00:14<00:07, 27.88it/s]
 38%|██████████████████████████████████████████████████████████████████████████████████▋                                                                                                                                    | 125/325 [00:14<00:06, 32.30it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.18.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 38%|██████████████████████████████████████████████████████████████████████████████████▋                                                                                                                                    | 125/325 [00:14<00:06, 32.30it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.18.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 38%|██████████████████████████████████████████████████████████████████████████████████▋                                                                                                                                    | 125/325 [00:14<00:06, 32.30it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.18.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 38%|██████████████████████████████████████████████████████████████████████████████████▋                                                                                                                                    | 125/325 [00:14<00:06, 32.30it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.18.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 38%|██████████████████████████████████████████████████████████████████████████████████▋                                                                                                                                    | 125/325 [00:14<00:06, 32.30it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.18.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 38%|██████████████████████████████████████████████████████████████████████████████████▋                                                                                                                                    | 125/325 [00:14<00:06, 32.30it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.18.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 38%|██████████████████████████████████████████████████████████████████████████████████▋                                                                                                                                    | 125/325 [00:14<00:06, 32.30it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.18.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 38%|██████████████████████████████████████████████████████████████████████████████████▋                                                                                                                                    | 125/325 [00:14<00:06, 32.30it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.18.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 38%|██████████████████████████████████████████████████████████████████████████████████▋                                                                                                                                    | 125/325 [00:14<00:06, 32.30it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.19.ln.bias", shape: (2560,), dtype: float16
+
 38%|██████████████████████████████████████████████████████████████████████████████████▋                                                                                                                                    | 125/325 [00:14<00:06, 32.30it/s]
 41%|████████████████████████████████████████████████████████████████████████████████████████▋                                                                                                                              | 134/325 [00:14<00:05, 33.86it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.19.ln.weight", shape: (2560,), dtype: float16
+
 41%|████████████████████████████████████████████████████████████████████████████████████████▋                                                                                                                              | 134/325 [00:14<00:05, 33.86it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.19.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 41%|████████████████████████████████████████████████████████████████████████████████████████▋                                                                                                                              | 134/325 [00:14<00:05, 33.86it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.19.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 41%|████████████████████████████████████████████████████████████████████████████████████████▋                                                                                                                              | 134/325 [00:14<00:05, 33.86it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.19.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 41%|████████████████████████████████████████████████████████████████████████████████████████▋                                                                                                                              | 134/325 [00:14<00:05, 33.86it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.19.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 41%|████████████████████████████████████████████████████████████████████████████████████████▋                                                                                                                              | 134/325 [00:14<00:05, 33.86it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.19.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 41%|████████████████████████████████████████████████████████████████████████████████████████▋                                                                                                                              | 134/325 [00:14<00:05, 33.86it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.19.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 41%|████████████████████████████████████████████████████████████████████████████████████████▋                                                                                                                              | 134/325 [00:14<00:05, 33.86it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.19.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 41%|████████████████████████████████████████████████████████████████████████████████████████▋                                                                                                                              | 134/325 [00:14<00:05, 33.86it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.19.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 41%|████████████████████████████████████████████████████████████████████████████████████████▋                                                                                                                              | 134/325 [00:14<00:05, 33.86it/s]
 44%|██████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                                        | 143/325 [00:14<00:04, 38.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.2.ln.bias", shape: (2560,), dtype: float16
+
 44%|██████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                                        | 143/325 [00:14<00:04, 38.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.2.ln.weight", shape: (2560,), dtype: float16
+
 44%|██████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                                        | 143/325 [00:14<00:04, 38.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.2.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 44%|██████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                                        | 143/325 [00:14<00:04, 38.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.2.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 44%|██████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                                        | 143/325 [00:14<00:04, 38.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.2.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 44%|██████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                                        | 143/325 [00:14<00:04, 38.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.2.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 44%|██████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                                        | 143/325 [00:14<00:04, 38.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.2.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 44%|██████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                                        | 143/325 [00:14<00:04, 38.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.2.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 44%|██████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                                        | 143/325 [00:14<00:04, 38.02it/s]
 46%|█████████████████████████████████████████████████████████████████████████████████████████████��█████▉                                                                                                                   | 151/325 [00:14<00:04, 43.07it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.2.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 46%|███████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                                                   | 151/325 [00:14<00:04, 43.07it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.2.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 46%|███████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                                                   | 151/325 [00:14<00:04, 43.07it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.20.ln.bias", shape: (2560,), dtype: float16
+
 46%|███████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                                                   | 151/325 [00:14<00:04, 43.07it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.20.ln.weight", shape: (2560,), dtype: float16
+
 46%|███████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                                                   | 151/325 [00:14<00:04, 43.07it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.20.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 46%|███████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                                                   | 151/325 [00:14<00:04, 43.07it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.20.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 46%|██████████████████████████████████████████████████████████████████��████████████████████████████████▉                                                                                                                   | 151/325 [00:14<00:04, 43.07it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.20.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 46%|███████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                                                   | 151/325 [00:14<00:04, 43.07it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.20.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 46%|███████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                                                   | 151/325 [00:14<00:04, 43.07it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.20.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 46%|███████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                                                   | 151/325 [00:14<00:04, 43.07it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.20.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 46%|███████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                                                   | 151/325 [00:14<00:04, 43.07it/s]
 50%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                            | 161/325 [00:14<00:03, 46.06it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.20.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 50%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                            | 161/325 [00:14<00:03, 46.06it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.20.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 50%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                            | 161/325 [00:15<00:03, 46.06it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.21.ln.bias", shape: (2560,), dtype: float16
+
 50%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                            | 161/325 [00:15<00:03, 46.06it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.21.ln.weight", shape: (2560,), dtype: float16
+
 50%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                            | 161/325 [00:15<00:03, 46.06it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.21.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 50%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                            | 161/325 [00:15<00:03, 46.06it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.21.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 50%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                            | 161/325 [00:15<00:03, 46.06it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.21.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 50%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                            | 161/325 [00:15<00:03, 46.06it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.21.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 50%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                            | 161/325 [00:15<00:03, 46.06it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.21.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 50%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                            | 161/325 [00:15<00:03, 46.06it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.21.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 50%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                                                            | 161/325 [00:15<00:03, 46.06it/s]
 53%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                                                                                      | 171/325 [00:15<00:02, 52.87it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.21.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 53%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                                                                                      | 171/325 [00:15<00:02, 52.87it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.21.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 53%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                                                                                      | 171/325 [00:15<00:02, 52.87it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.22.ln.bias", shape: (2560,), dtype: float16
+
 53%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                                                                                      | 171/325 [00:15<00:02, 52.87it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.22.ln.weight", shape: (2560,), dtype: float16
+
 53%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                                                                                      | 171/325 [00:15<00:02, 52.87it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.22.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 53%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                                                                                      | 171/325 [00:15<00:02, 52.87it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.22.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 53%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                                                                                      | 171/325 [00:15<00:02, 52.87it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.22.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 53%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                                                                                      | 171/325 [00:15<00:02, 52.87it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.22.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 53%|██████████████████████████████████████████████████████████████████████████████████████████���██████████████████████                                                                                                      | 171/325 [00:15<00:02, 52.87it/s]
 55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                                                                | 179/325 [00:15<00:02, 55.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.22.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                                                                | 179/325 [00:15<00:02, 55.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.22.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                                                                | 179/325 [00:15<00:02, 55.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.22.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                                                                | 179/325 [00:15<00:02, 55.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.22.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                                                                | 179/325 [00:15<00:02, 55.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.23.ln.bias", shape: (2560,), dtype: float16
+
 55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                                                                | 179/325 [00:15<00:02, 55.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.23.ln.weight", shape: (2560,), dtype: float16
+
 55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                                                                | 179/325 [00:15<00:02, 55.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.23.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                                                                | 179/325 [00:15<00:02, 55.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.23.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 55%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                                                                | 179/325 [00:15<00:02, 55.45it/s]
 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                                                           | 187/325 [00:15<00:02, 51.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.23.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                                                           | 187/325 [00:15<00:02, 51.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.23.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                                                           | 187/325 [00:15<00:02, 51.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.23.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                                                           | 187/325 [00:15<00:02, 51.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.23.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                                                           | 187/325 [00:15<00:02, 51.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.23.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                                                           | 187/325 [00:15<00:02, 51.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.23.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                                                           | 187/325 [00:15<00:02, 51.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.24.ln.bias", shape: (2560,), dtype: float16
+
 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                                                           | 187/325 [00:15<00:02, 51.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.24.ln.weight", shape: (2560,), dtype: float16
+
 58%|█████████████████████████��█████████████████████████████████████████████████████████████████████████████████████████████████▋                                                                                           | 187/325 [00:15<00:02, 51.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.24.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                                                           | 187/325 [00:15<00:02, 51.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.24.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 58%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                                                           | 187/325 [00:15<00:02, 51.05it/s]
 61%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                                                                                    | 197/325 [00:15<00:02, 56.91it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.24.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 61%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                                                                                    | 197/325 [00:15<00:02, 56.91it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.24.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 61%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                                                                                    | 197/325 [00:15<00:02, 56.91it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.24.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 61%|█████████████████���████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                                                                                    | 197/325 [00:15<00:02, 56.91it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.24.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 61%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                                                                                    | 197/325 [00:15<00:02, 56.91it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.24.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 61%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                                                                                    | 197/325 [00:15<00:02, 56.91it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.24.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 61%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                                                                                    | 197/325 [00:15<00:02, 56.91it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.25.ln.bias", shape: (2560,), dtype: float16
+
 61%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                                                                                    | 197/325 [00:15<00:02, 56.91it/s]
 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                | 204/325 [00:15<00:02, 58.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.25.ln.weight", shape: (2560,), dtype: float16
+
 63%|█���████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                | 204/325 [00:15<00:02, 58.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.25.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                | 204/325 [00:15<00:02, 58.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.25.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                | 204/325 [00:15<00:02, 58.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.25.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                | 204/325 [00:15<00:02, 58.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.25.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                | 204/325 [00:15<00:02, 58.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.25.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                | 204/325 [00:15<00:02, 58.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.25.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 63%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                                                                | 204/325 [00:15<00:02, 58.99it/s]
 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                           | 211/325 [00:15<00:01, 59.21it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.25.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                           | 211/325 [00:15<00:01, 59.21it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.25.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                           | 211/325 [00:15<00:01, 59.21it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.26.ln.bias", shape: (2560,), dtype: float16
+
 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                           | 211/325 [00:15<00:01, 59.21it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.26.ln.weight", shape: (2560,), dtype: float16
+
 65%|███████████████████████████████████████████████████████████████████████████████████████████████���███████████████████████████████████████████▌                                                                           | 211/325 [00:15<00:01, 59.21it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.26.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                           | 211/325 [00:15<00:01, 59.21it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.26.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                           | 211/325 [00:15<00:01, 59.21it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.26.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 65%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                                                           | 211/325 [00:15<00:01, 59.21it/s]
 67%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                                      | 218/325 [00:15<00:01, 57.58it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.26.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 67%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                                      | 218/325 [00:15<00:01, 57.58it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.26.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 67%|██████████████████████████████���█████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                                      | 218/325 [00:15<00:01, 57.58it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.26.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 67%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                                      | 218/325 [00:15<00:01, 57.58it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.26.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 67%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                                      | 218/325 [00:15<00:01, 57.58it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.26.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 67%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                                      | 218/325 [00:16<00:01, 57.58it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.27.ln.bias", shape: (2560,), dtype: float16
+
 67%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                                      | 218/325 [00:16<00:01, 57.58it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.27.ln.weight", shape: (2560,), dtype: float16
+
 67%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████��█▏                                                                      | 218/325 [00:16<00:01, 57.58it/s]
 69%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                                  | 225/325 [00:16<00:01, 56.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.27.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 69%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                                  | 225/325 [00:16<00:01, 56.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.27.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 69%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                                  | 225/325 [00:16<00:01, 56.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.27.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 69%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                                  | 225/325 [00:16<00:01, 56.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.27.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 69%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                                  | 225/325 [00:16<00:01, 56.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.27.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 69%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                                  | 225/325 [00:16<00:01, 56.73it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.27.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 69%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                                  | 225/325 [00:16<00:01, 56.73it/s]
 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                              | 231/325 [00:16<00:01, 51.23it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.27.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                              | 231/325 [00:16<00:01, 51.23it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.27.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                              | 231/325 [00:16<00:01, 51.23it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.28.ln.bias", shape: (2560,), dtype: float16
+
 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                              | 231/325 [00:16<00:01, 51.23it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.28.ln.weight", shape: (2560,), dtype: float16
+
 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                              | 231/325 [00:16<00:01, 51.23it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.28.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                              | 231/325 [00:16<00:01, 51.23it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.28.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                              | 231/325 [00:16<00:01, 51.23it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.28.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                              | 231/325 [00:16<00:01, 51.23it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.28.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                              | 231/325 [00:16<00:01, 51.23it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.28.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 71%|███████████████████████████████��████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                              | 231/325 [00:16<00:01, 51.23it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.28.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                                              | 231/325 [00:16<00:01, 51.23it/s]
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                       | 241/325 [00:16<00:01, 58.13it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.28.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                       | 241/325 [00:16<00:01, 58.13it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.28.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                       | 241/325 [00:16<00:01, 58.13it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.29.ln.bias", shape: (2560,), dtype: float16
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                       | 241/325 [00:16<00:01, 58.13it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.29.ln.weight", shape: (2560,), dtype: float16
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                       | 241/325 [00:16<00:01, 58.13it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.29.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                       | 241/325 [00:16<00:01, 58.13it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.29.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                       | 241/325 [00:16<00:01, 58.13it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.29.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                       | 241/325 [00:16<00:01, 58.13it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.29.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                       | 241/325 [00:16<00:01, 58.13it/s]
 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                  | 249/325 [00:16<00:01, 57.41it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.29.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                  | 249/325 [00:16<00:01, 57.41it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.29.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                  | 249/325 [00:16<00:01, 57.41it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.29.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                  | 249/325 [00:16<00:01, 57.41it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.29.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                  | 249/325 [00:16<00:01, 57.41it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.3.ln.bias", shape: (2560,), dtype: float16
+
 77%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████��█████████████████▋                                                  | 249/325 [00:16<00:01, 57.41it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.3.ln.weight", shape: (2560,), dtype: float16
+
 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                                  | 249/325 [00:16<00:01, 57.41it/s]
 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                              | 255/325 [00:16<00:01, 57.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.3.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                              | 255/325 [00:16<00:01, 57.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.3.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                              | 255/325 [00:16<00:01, 57.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.3.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                              | 255/325 [00:16<00:01, 57.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.3.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                              | 255/325 [00:16<00:01, 57.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.3.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                              | 255/325 [00:16<00:01, 57.99it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.3.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 78%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                              | 255/325 [00:16<00:01, 57.99it/s]
 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                          | 261/325 [00:16<00:01, 54.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.3.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                          | 261/325 [00:16<00:01, 54.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.3.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 80%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████��█████████████████████████████▋                                          | 261/325 [00:16<00:01, 54.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.30.ln.bias", shape: (2560,), dtype: float16
+
 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                          | 261/325 [00:16<00:01, 54.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.30.ln.weight", shape: (2560,), dtype: float16
+
 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                          | 261/325 [00:16<00:01, 54.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.4.ln.bias", shape: (2560,), dtype: float16
+
 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                          | 261/325 [00:16<00:01, 54.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.4.ln.weight", shape: (2560,), dtype: float16
+
 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                          | 261/325 [00:16<00:01, 54.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.4.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 80%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████��██▋                                          | 261/325 [00:16<00:01, 54.05it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.4.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                          | 261/325 [00:16<00:01, 54.05it/s]
 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                     | 269/325 [00:16<00:00, 56.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.4.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                     | 269/325 [00:16<00:00, 56.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.4.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                     | 269/325 [00:16<00:00, 56.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.4.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                     | 269/325 [00:16<00:00, 56.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.4.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                     | 269/325 [00:16<00:00, 56.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.4.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                     | 269/325 [00:16<00:00, 56.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.4.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                     | 269/325 [00:16<00:00, 56.45it/s]
 85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                 | 275/325 [00:16<00:00, 56.28it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.5.ln.bias", shape: (2560,), dtype: float16
+
 85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                 | 275/325 [00:16<00:00, 56.28it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.5.ln.weight", shape: (2560,), dtype: float16
+
 85%|███████████████████████████████████████████████████████████████████████████████████████████████████████��█████████████████████████████████████████████████████████████████████████████▉                                 | 275/325 [00:16<00:00, 56.28it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.5.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                 | 275/325 [00:16<00:00, 56.28it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.5.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                 | 275/325 [00:16<00:00, 56.28it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.5.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                 | 275/325 [00:16<00:00, 56.28it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.5.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                 | 275/325 [00:16<00:00, 56.28it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.5.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 85%|█████████████████████████████████████████████████████████████████████████████████████���███████████████████████████████████████████████████████████████████████████████████████████████▉                                 | 275/325 [00:16<00:00, 56.28it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.5.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 85%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                                 | 275/325 [00:17<00:00, 56.28it/s]
 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                           | 283/325 [00:17<00:00, 59.95it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.5.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                           | 283/325 [00:17<00:00, 59.95it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.5.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                           | 283/325 [00:17<00:00, 59.95it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.6.ln.bias", shape: (2560,), dtype: float16
+
 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                           | 283/325 [00:17<00:00, 59.95it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.6.ln.weight", shape: (2560,), dtype: float16
+
 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                           | 283/325 [00:17<00:00, 59.95it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.6.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                           | 283/325 [00:17<00:00, 59.95it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.6.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                           | 283/325 [00:17<00:00, 59.95it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.6.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                           | 283/325 [00:17<00:00, 59.95it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.6.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 87%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████���████████████████████████▏                           | 283/325 [00:17<00:00, 59.95it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.6.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                           | 283/325 [00:17<00:00, 59.95it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.6.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                           | 283/325 [00:17<00:00, 59.95it/s]
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                     | 293/325 [00:17<00:00, 65.11it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.6.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                     | 293/325 [00:17<00:00, 65.11it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.6.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                     | 293/325 [00:17<00:00, 65.11it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.7.ln.bias", shape: (2560,), dtype: float16
+
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                     | 293/325 [00:17<00:00, 65.11it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.7.ln.weight", shape: (2560,), dtype: float16
+
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                     | 293/325 [00:17<00:00, 65.11it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.7.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                     | 293/325 [00:17<00:00, 65.11it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.7.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                     | 293/325 [00:17<00:00, 65.11it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.7.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                     | 293/325 [00:17<00:00, 65.11it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.7.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 90%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                     | 293/325 [00:17<00:00, 65.11it/s]
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                | 301/325 [00:17<00:00, 68.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.7.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                | 301/325 [00:17<00:00, 68.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.7.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                | 301/325 [00:17<00:00, 68.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.7.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                | 301/325 [00:17<00:00, 68.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.7.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                | 301/325 [00:17<00:00, 68.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.8.ln.bias", shape: (2560,), dtype: float16
+
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                | 301/325 [00:17<00:00, 68.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.8.ln.weight", shape: (2560,), dtype: float16
+
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                | 301/325 [00:17<00:00, 68.02it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.8.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                | 301/325 [00:17<00:00, 68.02it/s]
 95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊           | 308/325 [00:17<00:00, 65.08it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.8.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊           | 308/325 [00:17<00:00, 65.08it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.8.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊           | 308/325 [00:17<00:00, 65.08it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.8.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊           | 308/325 [00:17<00:00, 65.08it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.8.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊           | 308/325 [00:17<00:00, 65.08it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.8.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊           | 308/325 [00:17<00:00, 65.08it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.8.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊           | 308/325 [00:17<00:00, 65.08it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.8.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊           | 308/325 [00:17<00:00, 65.08it/s]
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍      | 315/325 [00:17<00:00, 60.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.9.ln.bias", shape: (2560,), dtype: float16
+
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍      | 315/325 [00:17<00:00, 60.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.9.ln.weight", shape: (2560,), dtype: float16
+
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍      | 315/325 [00:17<00:00, 60.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.9.mixer.Wqkv.bias", shape: (7680,), dtype: float16
+
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍      | 315/325 [00:17<00:00, 60.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.9.mixer.Wqkv.weight", shape: (7680, 2560), dtype: float16
+
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍      | 315/325 [00:17<00:00, 60.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.9.mixer.out_proj.bias", shape: (2560,), dtype: float16
+
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍      | 315/325 [00:17<00:00, 60.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.9.mixer.out_proj.weight", shape: (2560, 2560), dtype: float16
+
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍      | 315/325 [00:17<00:00, 60.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.9.mlp.fc1.bias", shape: (10240,), dtype: float16
+
 97%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████��████████▍      | 315/325 [00:17<00:00, 60.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.9.mlp.fc1.weight", shape: (10240, 2560), dtype: float16
+
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍      | 315/325 [00:17<00:00, 60.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.9.mlp.fc2.bias", shape: (2560,), dtype: float16
+
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍      | 315/325 [00:17<00:00, 60.45it/s]
                                                                                                                                                                                                                                                              
[2023-12-28 23:13:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "transformer.h.9.mlp.fc2.weight", shape: (2560, 10240), dtype: float16
+
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍      | 315/325 [00:17<00:00, 60.45it/s]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 325/325 [00:17<00:00, 65.19it/s]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 325/325 [00:17<00:00, 18.41it/s]
+[2023-12-28 23:13:06] INFO huggingface_loader.py:179: Unloading HF weight file: /ssd1/cfruan/mlc-llm-repos/mlc-llm-head/dist/models/phi-2/model-00001-of-00002.safetensors
+[2023-12-28 23:13:06] INFO stats.py:71: Time usage: HF loading: 12.886 sec; Pre-quantization mapping: 2.644 sec; Quantization: 0.000 sec
+[2023-12-28 23:13:06] INFO stats.py:85: RAM usage: Peak RAM: 4.640 GB. Total bytes loaded from disk: 5.178 GB
+[2023-12-28 23:13:06] INFO convert_weight.py:110: Parameter size after quantization: 5.178 GB
+[2023-12-28 23:13:06] INFO convert_weight.py:115: Total parameters: 2,779,683,840
+[2023-12-28 23:13:06] INFO convert_weight.py:116: Bits per parameter: 16.000
+Start storing to cache /tmp/tmplm7re2l5
+

[0001/0325] saving lm_head.linear.bias
                                      
[0002/0325] saving lm_head.linear.weight
                                        
[0003/0325] saving lm_head.ln.bias
                                        
[0004/0325] saving lm_head.ln.weight
                                        
[0005/0325] saving transformer.h.30.mixer.Wqkv.bias
                                                   
[0006/0325] saving transformer.h.30.mixer.Wqkv.weight
                                                     
[0007/0325] saving transformer.h.30.mixer.out_proj.bias
                                                       
[0008/0325] saving transformer.h.30.mixer.out_proj.weight
                                                         
[0009/0325] saving transformer.h.30.mlp.fc1.bias
                                                         
[0010/0325] saving transformer.h.30.mlp.fc1.weight
                                                         
[0011/0325] saving transformer.h.30.mlp.fc2.bias
                                                         
[0012/0325] saving transformer.h.30.mlp.fc2.weight
                                                         
[0013/0325] saving transformer.h.31.ln.bias
                                                         
[0014/0325] saving transformer.h.31.ln.weight
                                                         
[0015/0325] saving transformer.h.31.mixer.Wqkv.bias
                                                         
[0016/0325] saving transformer.h.31.mixer.Wqkv.weight
                                                         
[0017/0325] saving transformer.h.31.mixer.out_proj.bias
                                                         
[0018/0325] saving transformer.h.31.mixer.out_proj.weight
                                                         
[0019/0325] saving transformer.h.31.mlp.fc1.bias
                                                         
[0020/0325] saving transformer.h.31.mlp.fc1.weight
                                                         
[0021/0325] saving transformer.h.31.mlp.fc2.bias
                                                         
[0022/0325] saving transformer.h.31.mlp.fc2.weight
                                                         
[0023/0325] saving transformer.embd.weight
                                                         
[0024/0325] saving transformer.h.0.ln.bias
                                                         
[0025/0325] saving transformer.h.0.ln.weight
                                                         
[0026/0325] saving transformer.h.0.mixer.Wqkv.bias
                                                         
[0027/0325] saving transformer.h.0.mixer.Wqkv.weight
                                                         
[0028/0325] saving transformer.h.0.mixer.out_proj.bias
                                                         
[0029/0325] saving transformer.h.0.mixer.out_proj.weight
                                                         
[0030/0325] saving transformer.h.0.mlp.fc1.bias
                                                         
[0031/0325] saving transformer.h.0.mlp.fc1.weight
                                                         
[0032/0325] saving transformer.h.0.mlp.fc2.bias
                                                         
[0033/0325] saving transformer.h.0.mlp.fc2.weight
                                                         
[0034/0325] saving transformer.h.1.ln.bias
                                                         
[0035/0325] saving transformer.h.1.ln.weight
                                                         
[0036/0325] saving transformer.h.1.mixer.Wqkv.bias
                                                         
[0037/0325] saving transformer.h.1.mixer.Wqkv.weight
                                                         
[0038/0325] saving transformer.h.1.mixer.out_proj.bias
                                                         
[0039/0325] saving transformer.h.1.mixer.out_proj.weight
                                                         
[0040/0325] saving transformer.h.1.mlp.fc1.bias
                                                         
[0041/0325] saving transformer.h.1.mlp.fc1.weight
                                                         
[0042/0325] saving transformer.h.1.mlp.fc2.bias
                                                         
[0043/0325] saving transformer.h.1.mlp.fc2.weight
                                                         
[0044/0325] saving transformer.h.10.ln.bias
                                                         
[0045/0325] saving transformer.h.10.ln.weight
                                                         
[0046/0325] saving transformer.h.10.mixer.Wqkv.bias
                                                         
[0047/0325] saving transformer.h.10.mixer.Wqkv.weight
                                                         
[0048/0325] saving transformer.h.10.mixer.out_proj.bias
                                                         
[0049/0325] saving transformer.h.10.mixer.out_proj.weight
                                                         
[0050/0325] saving transformer.h.10.mlp.fc1.bias
                                                         
[0051/0325] saving transformer.h.10.mlp.fc1.weight
                                                         
[0052/0325] saving transformer.h.10.mlp.fc2.bias
                                                         
[0053/0325] saving transformer.h.10.mlp.fc2.weight
                                                         
[0054/0325] saving transformer.h.11.ln.bias
                                                         
[0055/0325] saving transformer.h.11.ln.weight
                                                         
[0056/0325] saving transformer.h.11.mixer.Wqkv.bias
                                                         
[0057/0325] saving transformer.h.11.mixer.Wqkv.weight
                                                         
[0058/0325] saving transformer.h.11.mixer.out_proj.bias
                                                         
[0059/0325] saving transformer.h.11.mixer.out_proj.weight
                                                         
[0060/0325] saving transformer.h.11.mlp.fc1.bias
                                                         
[0061/0325] saving transformer.h.11.mlp.fc1.weight
                                                         
[0062/0325] saving transformer.h.11.mlp.fc2.bias
                                                         
[0063/0325] saving transformer.h.11.mlp.fc2.weight
                                                         
[0064/0325] saving transformer.h.12.ln.bias
                                                         
[0065/0325] saving transformer.h.12.ln.weight
                                                         
[0066/0325] saving transformer.h.12.mixer.Wqkv.bias
                                                         
[0067/0325] saving transformer.h.12.mixer.Wqkv.weight
                                                         
[0068/0325] saving transformer.h.12.mixer.out_proj.bias
                                                         
[0069/0325] saving transformer.h.12.mixer.out_proj.weight
                                                         
[0070/0325] saving transformer.h.12.mlp.fc1.bias
                                                         
[0071/0325] saving transformer.h.12.mlp.fc1.weight
                                                         
[0072/0325] saving transformer.h.12.mlp.fc2.bias
                                                         
[0073/0325] saving transformer.h.12.mlp.fc2.weight
                                                         
[0074/0325] saving transformer.h.13.ln.bias
                                                         
[0075/0325] saving transformer.h.13.ln.weight
                                                         
[0076/0325] saving transformer.h.13.mixer.Wqkv.bias
                                                         
[0077/0325] saving transformer.h.13.mixer.Wqkv.weight
                                                         
[0078/0325] saving transformer.h.13.mixer.out_proj.bias
                                                         
[0079/0325] saving transformer.h.13.mixer.out_proj.weight
                                                         
[0080/0325] saving transformer.h.13.mlp.fc1.bias
                                                         
[0081/0325] saving transformer.h.13.mlp.fc1.weight
                                                         
[0082/0325] saving transformer.h.13.mlp.fc2.bias
                                                         
[0083/0325] saving transformer.h.13.mlp.fc2.weight
                                                         
[0084/0325] saving transformer.h.14.ln.bias
                                                         
[0085/0325] saving transformer.h.14.ln.weight
                                                         
[0086/0325] saving transformer.h.14.mixer.Wqkv.bias
                                                         
[0087/0325] saving transformer.h.14.mixer.Wqkv.weight
                                                         
[0088/0325] saving transformer.h.14.mixer.out_proj.bias
                                                         
[0089/0325] saving transformer.h.14.mixer.out_proj.weight
                                                         
[0090/0325] saving transformer.h.14.mlp.fc1.bias
                                                         
[0091/0325] saving transformer.h.14.mlp.fc1.weight
                                                         
[0092/0325] saving transformer.h.14.mlp.fc2.bias
                                                         
[0093/0325] saving transformer.h.14.mlp.fc2.weight
                                                         
[0094/0325] saving transformer.h.15.ln.bias
                                                         
[0095/0325] saving transformer.h.15.ln.weight
                                                         
[0096/0325] saving transformer.h.15.mixer.Wqkv.bias
                                                         
[0097/0325] saving transformer.h.15.mixer.Wqkv.weight
                                                         
[0098/0325] saving transformer.h.15.mixer.out_proj.bias
                                                         
[0099/0325] saving transformer.h.15.mixer.out_proj.weight
                                                         
[0100/0325] saving transformer.h.15.mlp.fc1.bias
                                                         
[0101/0325] saving transformer.h.15.mlp.fc1.weight
                                                         
[0102/0325] saving transformer.h.15.mlp.fc2.bias
                                                         
[0103/0325] saving transformer.h.15.mlp.fc2.weight
                                                         
[0104/0325] saving transformer.h.16.ln.bias
                                                         
[0105/0325] saving transformer.h.16.ln.weight
                                                         
[0106/0325] saving transformer.h.16.mixer.Wqkv.bias
                                                         
[0107/0325] saving transformer.h.16.mixer.Wqkv.weight
                                                         
[0108/0325] saving transformer.h.16.mixer.out_proj.bias
                                                         
[0109/0325] saving transformer.h.16.mixer.out_proj.weight
                                                         
[0110/0325] saving transformer.h.16.mlp.fc1.bias
                                                         
[0111/0325] saving transformer.h.16.mlp.fc1.weight
                                                         
[0112/0325] saving transformer.h.16.mlp.fc2.bias
                                                         
[0113/0325] saving transformer.h.16.mlp.fc2.weight
                                                         
[0114/0325] saving transformer.h.17.ln.bias
                                                         
[0115/0325] saving transformer.h.17.ln.weight
                                                         
[0116/0325] saving transformer.h.17.mixer.Wqkv.bias
                                                         
[0117/0325] saving transformer.h.17.mixer.Wqkv.weight
                                                         
[0118/0325] saving transformer.h.17.mixer.out_proj.bias
                                                         
[0119/0325] saving transformer.h.17.mixer.out_proj.weight
                                                         
[0120/0325] saving transformer.h.17.mlp.fc1.bias
                                                         
[0121/0325] saving transformer.h.17.mlp.fc1.weight
                                                         
[0122/0325] saving transformer.h.17.mlp.fc2.bias
                                                         
[0123/0325] saving transformer.h.17.mlp.fc2.weight
                                                         
[0124/0325] saving transformer.h.18.ln.bias
                                                         
[0125/0325] saving transformer.h.18.ln.weight
                                                         
[0126/0325] saving transformer.h.18.mixer.Wqkv.bias
                                                         
[0127/0325] saving transformer.h.18.mixer.Wqkv.weight
                                                         
[0128/0325] saving transformer.h.18.mixer.out_proj.bias
                                                         
[0129/0325] saving transformer.h.18.mixer.out_proj.weight
                                                         
[0130/0325] saving transformer.h.18.mlp.fc1.bias
                                                         
[0131/0325] saving transformer.h.18.mlp.fc1.weight
                                                         
[0132/0325] saving transformer.h.18.mlp.fc2.bias
                                                         
[0133/0325] saving transformer.h.18.mlp.fc2.weight
                                                         
[0134/0325] saving transformer.h.19.ln.bias
                                                         
[0135/0325] saving transformer.h.19.ln.weight
                                                         
[0136/0325] saving transformer.h.19.mixer.Wqkv.bias
                                                         
[0137/0325] saving transformer.h.19.mixer.Wqkv.weight
                                                         
[0138/0325] saving transformer.h.19.mixer.out_proj.bias
                                                         
[0139/0325] saving transformer.h.19.mixer.out_proj.weight
                                                         
[0140/0325] saving transformer.h.19.mlp.fc1.bias
                                                         
[0141/0325] saving transformer.h.19.mlp.fc1.weight
                                                         
[0142/0325] saving transformer.h.19.mlp.fc2.bias
                                                         
[0143/0325] saving transformer.h.19.mlp.fc2.weight
                                                         
[0144/0325] saving transformer.h.2.ln.bias
                                                         
[0145/0325] saving transformer.h.2.ln.weight
                                                         
[0146/0325] saving transformer.h.2.mixer.Wqkv.bias
                                                         
[0147/0325] saving transformer.h.2.mixer.Wqkv.weight
                                                         
[0148/0325] saving transformer.h.2.mixer.out_proj.bias
                                                         
[0149/0325] saving transformer.h.2.mixer.out_proj.weight
                                                         
[0150/0325] saving transformer.h.2.mlp.fc1.bias
                                                         
[0151/0325] saving transformer.h.2.mlp.fc1.weight
                                                         
[0152/0325] saving transformer.h.2.mlp.fc2.bias
                                                         
[0153/0325] saving transformer.h.2.mlp.fc2.weight
                                                         
[0154/0325] saving transformer.h.20.ln.bias
                                                         
[0155/0325] saving transformer.h.20.ln.weight
                                                         
[0156/0325] saving transformer.h.20.mixer.Wqkv.bias
                                                         
[0157/0325] saving transformer.h.20.mixer.Wqkv.weight
                                                         
[0158/0325] saving transformer.h.20.mixer.out_proj.bias
                                                         
[0159/0325] saving transformer.h.20.mixer.out_proj.weight
                                                         
[0160/0325] saving transformer.h.20.mlp.fc1.bias
                                                         
[0161/0325] saving transformer.h.20.mlp.fc1.weight
                                                         
[0162/0325] saving transformer.h.20.mlp.fc2.bias
                                                         
[0163/0325] saving transformer.h.20.mlp.fc2.weight
                                                         
[0164/0325] saving transformer.h.21.ln.bias
                                                         
[0165/0325] saving transformer.h.21.ln.weight
                                                         
[0166/0325] saving transformer.h.21.mixer.Wqkv.bias
                                                         
[0167/0325] saving transformer.h.21.mixer.Wqkv.weight
                                                         
[0168/0325] saving transformer.h.21.mixer.out_proj.bias
                                                         
[0169/0325] saving transformer.h.21.mixer.out_proj.weight
                                                         
[0170/0325] saving transformer.h.21.mlp.fc1.bias
                                                         
[0171/0325] saving transformer.h.21.mlp.fc1.weight
                                                         
[0172/0325] saving transformer.h.21.mlp.fc2.bias
                                                         
[0173/0325] saving transformer.h.21.mlp.fc2.weight
                                                         
[0174/0325] saving transformer.h.22.ln.bias
                                                         
[0175/0325] saving transformer.h.22.ln.weight
                                                         
[0176/0325] saving transformer.h.22.mixer.Wqkv.bias
                                                         
[0177/0325] saving transformer.h.22.mixer.Wqkv.weight
                                                         
[0178/0325] saving transformer.h.22.mixer.out_proj.bias
                                                         
[0179/0325] saving transformer.h.22.mixer.out_proj.weight
                                                         
[0180/0325] saving transformer.h.22.mlp.fc1.bias
                                                         
[0181/0325] saving transformer.h.22.mlp.fc1.weight
                                                         
[0182/0325] saving transformer.h.22.mlp.fc2.bias
                                                         
[0183/0325] saving transformer.h.22.mlp.fc2.weight
                                                         
[0184/0325] saving transformer.h.23.ln.bias
                                                         
[0185/0325] saving transformer.h.23.ln.weight
                                                         
[0186/0325] saving transformer.h.23.mixer.Wqkv.bias
                                                         
[0187/0325] saving transformer.h.23.mixer.Wqkv.weight
                                                         
[0188/0325] saving transformer.h.23.mixer.out_proj.bias
                                                         
[0189/0325] saving transformer.h.23.mixer.out_proj.weight
                                                         
[0190/0325] saving transformer.h.23.mlp.fc1.bias
                                                         
[0191/0325] saving transformer.h.23.mlp.fc1.weight
                                                         
[0192/0325] saving transformer.h.23.mlp.fc2.bias
                                                         
[0193/0325] saving transformer.h.23.mlp.fc2.weight
                                                         
[0194/0325] saving transformer.h.24.ln.bias
                                                         
[0195/0325] saving transformer.h.24.ln.weight
                                                         
[0196/0325] saving transformer.h.24.mixer.Wqkv.bias
                                                         
[0197/0325] saving transformer.h.24.mixer.Wqkv.weight
                                                         
[0198/0325] saving transformer.h.24.mixer.out_proj.bias
                                                         
[0199/0325] saving transformer.h.24.mixer.out_proj.weight
                                                         
[0200/0325] saving transformer.h.24.mlp.fc1.bias
                                                         
[0201/0325] saving transformer.h.24.mlp.fc1.weight
                                                         
[0202/0325] saving transformer.h.24.mlp.fc2.bias
                                                         
[0203/0325] saving transformer.h.24.mlp.fc2.weight
                                                         
[0204/0325] saving transformer.h.25.ln.bias
                                                         
[0205/0325] saving transformer.h.25.ln.weight
                                                         
[0206/0325] saving transformer.h.25.mixer.Wqkv.bias
                                                         
[0207/0325] saving transformer.h.25.mixer.Wqkv.weight
                                                         
[0208/0325] saving transformer.h.25.mixer.out_proj.bias
                                                         
[0209/0325] saving transformer.h.25.mixer.out_proj.weight
                                                         
[0210/0325] saving transformer.h.25.mlp.fc1.bias
                                                         
[0211/0325] saving transformer.h.25.mlp.fc1.weight
                                                         
[0212/0325] saving transformer.h.25.mlp.fc2.bias
                                                         
[0213/0325] saving transformer.h.25.mlp.fc2.weight
                                                         
[0214/0325] saving transformer.h.26.ln.bias
                                                         
[0215/0325] saving transformer.h.26.ln.weight
                                                         
[0216/0325] saving transformer.h.26.mixer.Wqkv.bias
                                                         
[0217/0325] saving transformer.h.26.mixer.Wqkv.weight
                                                         
[0218/0325] saving transformer.h.26.mixer.out_proj.bias
                                                         
[0219/0325] saving transformer.h.26.mixer.out_proj.weight
                                                         
[0220/0325] saving transformer.h.26.mlp.fc1.bias
                                                         
[0221/0325] saving transformer.h.26.mlp.fc1.weight
                                                         
[0222/0325] saving transformer.h.26.mlp.fc2.bias
                                                         
[0223/0325] saving transformer.h.26.mlp.fc2.weight
                                                         
[0224/0325] saving transformer.h.27.ln.bias
                                                         
[0225/0325] saving transformer.h.27.ln.weight
                                                         
[0226/0325] saving transformer.h.27.mixer.Wqkv.bias
                                                         
[0227/0325] saving transformer.h.27.mixer.Wqkv.weight
                                                         
[0228/0325] saving transformer.h.27.mixer.out_proj.bias
                                                         
[0229/0325] saving transformer.h.27.mixer.out_proj.weight
                                                         
[0230/0325] saving transformer.h.27.mlp.fc1.bias
                                                         
[0231/0325] saving transformer.h.27.mlp.fc1.weight
                                                         
[0232/0325] saving transformer.h.27.mlp.fc2.bias
                                                         
[0233/0325] saving transformer.h.27.mlp.fc2.weight
                                                         
[0234/0325] saving transformer.h.28.ln.bias
                                                         
[0235/0325] saving transformer.h.28.ln.weight
                                                         
[0236/0325] saving transformer.h.28.mixer.Wqkv.bias
                                                         
[0237/0325] saving transformer.h.28.mixer.Wqkv.weight
                                                         
[0238/0325] saving transformer.h.28.mixer.out_proj.bias
                                                         
[0239/0325] saving transformer.h.28.mixer.out_proj.weight
                                                         
[0240/0325] saving transformer.h.28.mlp.fc1.bias
                                                         
[0241/0325] saving transformer.h.28.mlp.fc1.weight
                                                         
[0242/0325] saving transformer.h.28.mlp.fc2.bias
                                                         
[0243/0325] saving transformer.h.28.mlp.fc2.weight
                                                         
[0244/0325] saving transformer.h.29.ln.bias
                                                         
[0245/0325] saving transformer.h.29.ln.weight
                                                         
[0246/0325] saving transformer.h.29.mixer.Wqkv.bias
                                                         
[0247/0325] saving transformer.h.29.mixer.Wqkv.weight
                                                         
[0248/0325] saving transformer.h.29.mixer.out_proj.bias
                                                         
[0249/0325] saving transformer.h.29.mixer.out_proj.weight
                                                         
[0250/0325] saving transformer.h.29.mlp.fc1.bias
                                                         
[0251/0325] saving transformer.h.29.mlp.fc1.weight
                                                         
[0252/0325] saving transformer.h.29.mlp.fc2.bias
                                                         
[0253/0325] saving transformer.h.29.mlp.fc2.weight
                                                         
[0254/0325] saving transformer.h.3.ln.bias
                                                         
[0255/0325] saving transformer.h.3.ln.weight
                                                         
[0256/0325] saving transformer.h.3.mixer.Wqkv.bias
                                                         
[0257/0325] saving transformer.h.3.mixer.Wqkv.weight
                                                         
[0258/0325] saving transformer.h.3.mixer.out_proj.bias
                                                         
[0259/0325] saving transformer.h.3.mixer.out_proj.weight
                                                         
[0260/0325] saving transformer.h.3.mlp.fc1.bias
                                                         
[0261/0325] saving transformer.h.3.mlp.fc1.weight
                                                         
[0262/0325] saving transformer.h.3.mlp.fc2.bias
                                                         
[0263/0325] saving transformer.h.3.mlp.fc2.weight
                                                         
[0264/0325] saving transformer.h.30.ln.bias
                                                         
[0265/0325] saving transformer.h.30.ln.weight
                                                         
[0266/0325] saving transformer.h.4.ln.bias
                                                         
[0267/0325] saving transformer.h.4.ln.weight
                                                         
[0268/0325] saving transformer.h.4.mixer.Wqkv.bias
                                                         
[0269/0325] saving transformer.h.4.mixer.Wqkv.weight
                                                         
[0270/0325] saving transformer.h.4.mixer.out_proj.bias
                                                         
[0271/0325] saving transformer.h.4.mixer.out_proj.weight
                                                         
[0272/0325] saving transformer.h.4.mlp.fc1.bias
                                                         
[0273/0325] saving transformer.h.4.mlp.fc1.weight
                                                         
[0274/0325] saving transformer.h.4.mlp.fc2.bias
                                                         
[0275/0325] saving transformer.h.4.mlp.fc2.weight
                                                         
[0276/0325] saving transformer.h.5.ln.bias
                                                         
[0277/0325] saving transformer.h.5.ln.weight
                                                         
[0278/0325] saving transformer.h.5.mixer.Wqkv.bias
                                                         
[0279/0325] saving transformer.h.5.mixer.Wqkv.weight
                                                         
[0280/0325] saving transformer.h.5.mixer.out_proj.bias
                                                         
[0281/0325] saving transformer.h.5.mixer.out_proj.weight
                                                         
[0282/0325] saving transformer.h.5.mlp.fc1.bias
                                                         
[0283/0325] saving transformer.h.5.mlp.fc1.weight
                                                         
[0284/0325] saving transformer.h.5.mlp.fc2.bias
                                                         
[0285/0325] saving transformer.h.5.mlp.fc2.weight
                                                         
[0286/0325] saving transformer.h.6.ln.bias
                                                         
[0287/0325] saving transformer.h.6.ln.weight
                                                         
[0288/0325] saving transformer.h.6.mixer.Wqkv.bias
                                                         
[0289/0325] saving transformer.h.6.mixer.Wqkv.weight
                                                         
[0290/0325] saving transformer.h.6.mixer.out_proj.bias
                                                         
[0291/0325] saving transformer.h.6.mixer.out_proj.weight
                                                         
[0292/0325] saving transformer.h.6.mlp.fc1.bias
                                                         
[0293/0325] saving transformer.h.6.mlp.fc1.weight
                                                         
[0294/0325] saving transformer.h.6.mlp.fc2.bias
                                                         
[0295/0325] saving transformer.h.6.mlp.fc2.weight
                                                         
[0296/0325] saving transformer.h.7.ln.bias
                                                         
[0297/0325] saving transformer.h.7.ln.weight
                                                         
[0298/0325] saving transformer.h.7.mixer.Wqkv.bias
                                                         
[0299/0325] saving transformer.h.7.mixer.Wqkv.weight
                                                         
[0300/0325] saving transformer.h.7.mixer.out_proj.bias
                                                         
[0301/0325] saving transformer.h.7.mixer.out_proj.weight[2023-12-28 23:13:17] INFO convert_weight.py:132: Saved to directory: /tmp/tmplm7re2l5
+
                                                         
[0302/0325] saving transformer.h.7.mlp.fc1.bias
                                                         
[0303/0325] saving transformer.h.7.mlp.fc1.weight
                                                         
[0304/0325] saving transformer.h.7.mlp.fc2.bias
                                                         
[0305/0325] saving transformer.h.7.mlp.fc2.weight
                                                         
[0306/0325] saving transformer.h.8.ln.bias
                                                         
[0307/0325] saving transformer.h.8.ln.weight
                                                         
[0308/0325] saving transformer.h.8.mixer.Wqkv.bias
                                                         
[0309/0325] saving transformer.h.8.mixer.Wqkv.weight
                                                         
[0310/0325] saving transformer.h.8.mixer.out_proj.bias
                                                         
[0311/0325] saving transformer.h.8.mixer.out_proj.weight
                                                         
[0312/0325] saving transformer.h.8.mlp.fc1.bias
                                                         
[0313/0325] saving transformer.h.8.mlp.fc1.weight
                                                         
[0314/0325] saving transformer.h.8.mlp.fc2.bias
                                                         
[0315/0325] saving transformer.h.8.mlp.fc2.weight
                                                         
[0316/0325] saving transformer.h.9.ln.bias
                                                         
[0317/0325] saving transformer.h.9.ln.weight
                                                         
[0318/0325] saving transformer.h.9.mixer.Wqkv.bias
                                                         
[0319/0325] saving transformer.h.9.mixer.Wqkv.weight
                                                         
[0320/0325] saving transformer.h.9.mixer.out_proj.bias
                                                         
[0321/0325] saving transformer.h.9.mixer.out_proj.weight
                                                         
[0322/0325] saving transformer.h.9.mlp.fc1.bias
                                                         
[0323/0325] saving transformer.h.9.mlp.fc1.weight
                                                         
[0324/0325] saving transformer.h.9.mlp.fc2.bias
                                                         
[0325/0325] saving transformer.h.9.mlp.fc2.weight
+All finished, 114 total shards committed, record saved to /tmp/tmplm7re2l5/ndarray-cache.json