python -m mlc_chat gen_config /models/Llama-2-7b-chat-hf --quantization q4f16_1 --conv-template llama-2 --output /tmp/tmp1wbp6l29
[2023-12-17 14:49:22] INFO auto_config.py:116: Found model configuration: /models/Llama-2-7b-chat-hf/config.json
[2023-12-17 14:49:22] INFO auto_config.py:155: Found model type: llama. Use `--model-type` to override.
[2023-12-17 14:49:22] INFO llama_model.py:49: context_window_size not found in config.json. Falling back to max_position_embeddings (4096)
[2023-12-17 14:49:22] INFO gen_config.py:114: [generation_config.json] Setting bos_token_id: 1
[2023-12-17 14:49:22] INFO gen_config.py:114: [generation_config.json] Setting eos_token_id: 2
[2023-12-17 14:49:22] INFO gen_config.py:114: [generation_config.json] Setting pad_token_id: 0
[2023-12-17 14:49:22] INFO gen_config.py:114: [generation_config.json] Setting temperature: 0.6
[2023-12-17 14:49:22] INFO gen_config.py:114: [generation_config.json] Setting top_p: 0.9
[2023-12-17 14:49:22] INFO gen_config.py:126: Found tokenizer config: /models/Llama-2-7b-chat-hf/tokenizer.model. Copying to /tmp/tmp1wbp6l29/tokenizer.model
[2023-12-17 14:49:22] INFO gen_config.py:126: Found tokenizer config: /models/Llama-2-7b-chat-hf/tokenizer.json. Copying to /tmp/tmp1wbp6l29/tokenizer.json
[2023-12-17 14:49:22] INFO gen_config.py:128: Not found tokenizer config: /models/Llama-2-7b-chat-hf/vocab.json
[2023-12-17 14:49:22] INFO gen_config.py:128: Not found tokenizer config: /models/Llama-2-7b-chat-hf/merges.txt
[2023-12-17 14:49:22] INFO gen_config.py:128: Not found tokenizer config: /models/Llama-2-7b-chat-hf/added_tokens.json
[2023-12-17 14:49:22] INFO gen_config.py:126: Found tokenizer config: /models/Llama-2-7b-chat-hf/tokenizer_config.json. Copying to /tmp/tmp1wbp6l29/tokenizer_config.json
[2023-12-17 14:49:22] INFO gen_config.py:68: [System default] Setting repetition_penalty: 1.0
[2023-12-17 14:49:22] INFO gen_config.py:68: [System default] Setting mean_gen_len: 128
[2023-12-17 14:49:22] INFO gen_config.py:68: [System default] Setting max_gen_len: 512
[2023-12-17 14:49:22] INFO gen_config.py:68: [System default] Setting shift_fill_factor: 0.3
[2023-12-17 14:49:22] INFO gen_config.py:156: Dumping configuration file to: /tmp/tmp1wbp6l29/mlc-chat-config.json
python -m mlc_chat convert_weight /models/Llama-2-7b-chat-hf --quantization q4f16_1 --source-format auto --output /tmp/tmp1wbp6l29
[2023-12-17 14:49:23] INFO auto_config.py:116: Found model configuration: /models/Llama-2-7b-chat-hf/config.json
[2023-12-17 14:49:23] INFO auto_device.py:75: Found device: cuda:0
[2023-12-17 14:49:23] INFO auto_device.py:75: Found device: cuda:1
[2023-12-17 14:49:23] INFO auto_device.py:84: Not found device: rocm:0
[2023-12-17 14:49:23] INFO auto_device.py:84: Not found device: metal:0
[2023-12-17 14:49:24] INFO auto_device.py:75: Found device: vulkan:0
[2023-12-17 14:49:24] INFO auto_device.py:75: Found device: vulkan:1
[2023-12-17 14:49:24] INFO auto_device.py:75: Found device: vulkan:2
[2023-12-17 14:49:24] INFO auto_device.py:84: Not found device: opencl:0
[2023-12-17 14:49:24] INFO auto_device.py:33: Using device: cuda:0
[2023-12-17 14:49:24] INFO auto_weight.py:70: Finding weights in: /models/Llama-2-7b-chat-hf
[2023-12-17 14:49:24] INFO auto_weight.py:120: Found source weight format: huggingface-torch. Source configuration: /models/Llama-2-7b-chat-hf/pytorch_model.bin.index.json
[2023-12-17 14:49:24] INFO auto_weight.py:143: Found source weight format: huggingface-safetensor. Source configuration: /models/Llama-2-7b-chat-hf/model.safetensors.index.json
[2023-12-17 14:49:24] INFO auto_weight.py:106: Using source weight configuration: /models/Llama-2-7b-chat-hf/pytorch_model.bin.index.json. Use `--source` to override.
[2023-12-17 14:49:24] INFO auto_weight.py:110: Using source weight format: huggingface-torch. Use `--source-format` to override.
[2023-12-17 14:49:24] INFO auto_config.py:155: Found model type: llama. Use `--model-type` to override.
[2023-12-17 14:49:24] INFO llama_model.py:49: context_window_size not found in config.json. Falling back to max_position_embeddings (4096)
Weight conversion with arguments:
  --config          /models/Llama-2-7b-chat-hf/config.json
  --quantization    GroupQuantize(name='q4f16_1', kind='group-quant', group_size=32, quantize_dtype='int4', storage_dtype='uint32', model_dtype='float16', num_elem_per_storage=8, num_storage_per_group=4, max_int_value=7)
  --model-type      llama
  --device          cuda:0
  --source          /models/Llama-2-7b-chat-hf/pytorch_model.bin.index.json
  --source-format   huggingface-torch
  --output          /tmp/tmp1wbp6l29

  0%|                                                                                                                                                                 | 0/195 [00:00<?, ?it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:27] INFO huggingface_loader.py:169: Loading HF parameters from: /models/Llama-2-7b-chat-hf/pytorch_model-00002-of-00002.bin

  0%|                                                                                                                                                                 | 0/195 [00:00<?, ?it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:29] INFO group_quantization.py:199: Compiling quantize function for key: (32000, 4096, 'float16', 'cuda')

  0%|                                                                                                                                                                 | 0/195 [00:02<?, ?it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:30] INFO huggingface_loader.py:121: [Quantized] Parameter: "lm_head.q_weight", shape: (32000, 512), dtype: uint32

  0%|                                                                                                                                                                 | 0/195 [00:03<?, ?it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:30] INFO huggingface_loader.py:121: [Quantized] Parameter: "lm_head.q_scale", shape: (32000, 128), dtype: float16

  0%|                                                                                                                                                                 | 0/195 [00:03<?, ?it/s]
  1%|▊                                                                                                                                                        | 1/195 [00:03<10:02,  3.11s/it]
                                                                                                                                                                                              
[2023-12-17 14:49:30] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.24.input_layernorm.weight", shape: (4096,), dtype: float16

  1%|▊                                                                                                                                                        | 1/195 [00:03<10:02,  3.11s/it]
                                                                                                                                                                                              
[2023-12-17 14:49:30] INFO group_quantization.py:199: Compiling quantize function for key: (4096, 11008, 'float16', 'cuda')

  1%|▊                                                                                                                                                        | 1/195 [00:03<10:02,  3.11s/it]
                                                                                                                                                                                              
[2023-12-17 14:49:30] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

  1%|▊                                                                                                                                                        | 1/195 [00:03<10:02,  3.11s/it]
                                                                                                                                                                                              
[2023-12-17 14:49:30] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

  1%|▊                                                                                                                                                        | 1/195 [00:03<10:02,  3.11s/it]
  2%|██▎                                                                                                                                                      | 3/195 [00:03<03:02,  1.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:30] INFO group_quantization.py:199: Compiling quantize function for key: (22016, 4096, 'float16', 'cuda')

  2%|██▎                                                                                                                                                      | 3/195 [00:03<03:02,  1.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:31] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

  2%|██▎                                                                                                                                                      | 3/195 [00:03<03:02,  1.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:31] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

  2%|██▎                                                                                                                                                      | 3/195 [00:03<03:02,  1.05it/s]
  2%|███▏                                                                                                                                                     | 4/195 [00:03<02:28,  1.29it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:31] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.24.post_attention_layernorm.weight", shape: (4096,), dtype: float16

  2%|███▏                                                                                                                                                     | 4/195 [00:03<02:28,  1.29it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:31] INFO group_quantization.py:199: Compiling quantize function for key: (12288, 4096, 'float16', 'cuda')

  2%|███▏                                                                                                                                                     | 4/195 [00:03<02:28,  1.29it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:31] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

  2%|███▏                                                                                                                                                     | 4/195 [00:04<02:28,  1.29it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:31] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

  2%|███▏                                                                                                                                                     | 4/195 [00:04<02:28,  1.29it/s]
  3%|████▋                                                                                                                                                    | 6/195 [00:04<01:33,  2.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:31] INFO group_quantization.py:199: Compiling quantize function for key: (4096, 4096, 'float16', 'cuda')

  3%|████▋                                                                                                                                                    | 6/195 [00:04<01:33,  2.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

  3%|████▋                                                                                                                                                    | 6/195 [00:04<01:33,  2.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

  3%|████▋                                                                                                                                                    | 6/195 [00:04<01:33,  2.03it/s]
  4%|█████▍                                                                                                                                                   | 7/195 [00:04<01:27,  2.15it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.25.input_layernorm.weight", shape: (4096,), dtype: float16

  4%|█████▍                                                                                                                                                   | 7/195 [00:04<01:27,  2.15it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

  4%|█████▍                                                                                                                                                   | 7/195 [00:04<01:27,  2.15it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

  4%|█████▍                                                                                                                                                   | 7/195 [00:04<01:27,  2.15it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

  4%|█████▍                                                                                                                                                   | 7/195 [00:04<01:27,  2.15it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

  4%|█████▍                                                                                                                                                   | 7/195 [00:04<01:27,  2.15it/s]
  5%|███████▊                                                                                                                                                | 10/195 [00:04<00:43,  4.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.25.post_attention_layernorm.weight", shape: (4096,), dtype: float16

  5%|███████▊                                                                                                                                                | 10/195 [00:04<00:43,  4.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

  5%|███████▊                                                                                                                                                | 10/195 [00:04<00:43,  4.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

  5%|███████▊                                                                                                                                                | 10/195 [00:04<00:43,  4.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

  5%|███████▊                                                                                                                                                | 10/195 [00:04<00:43,  4.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

  5%|███████▊                                                                                                                                                | 10/195 [00:04<00:43,  4.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.26.input_layernorm.weight", shape: (4096,), dtype: float16

  5%|███████▊                                                                                                                                                | 10/195 [00:04<00:43,  4.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

  5%|███████▊                                                                                                                                                | 10/195 [00:04<00:43,  4.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

  5%|███████▊                                                                                                                                                | 10/195 [00:04<00:43,  4.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

  5%|███████▊                                                                                                                                                | 10/195 [00:04<00:43,  4.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

  5%|███████▊                                                                                                                                                | 10/195 [00:04<00:43,  4.22it/s]
  8%|████████████▍                                                                                                                                           | 16/195 [00:04<00:19,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.26.post_attention_layernorm.weight", shape: (4096,), dtype: float16

  8%|████████████▍                                                                                                                                           | 16/195 [00:04<00:19,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

  8%|████████████▍                                                                                                                                           | 16/195 [00:05<00:19,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

  8%|████████████▍                                                                                                                                           | 16/195 [00:05<00:19,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

  8%|████████████▍                                                                                                                                           | 16/195 [00:05<00:19,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

  8%|████████████▍                                                                                                                                           | 16/195 [00:05<00:19,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.27.input_layernorm.weight", shape: (4096,), dtype: float16

  8%|████████████▍                                                                                                                                           | 16/195 [00:05<00:19,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

  8%|████████████▍                                                                                                                                           | 16/195 [00:05<00:19,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

  8%|████████████▍                                                                                                                                           | 16/195 [00:05<00:19,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

  8%|████████████▍                                                                                                                                           | 16/195 [00:05<00:19,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

  8%|████████████▍                                                                                                                                           | 16/195 [00:05<00:19,  9.14it/s]
 11%|█████████████████▏                                                                                                                                      | 22/195 [00:05<00:12, 14.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.27.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:05<00:12, 14.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:05<00:12, 14.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:05<00:12, 14.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:05<00:12, 14.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:05<00:12, 14.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.28.input_layernorm.weight", shape: (4096,), dtype: float16

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:05<00:12, 14.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:05<00:12, 14.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:05<00:12, 14.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:05<00:12, 14.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:05<00:12, 14.20it/s]
 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:05<00:08, 19.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.28.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:05<00:08, 19.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:05<00:08, 19.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:05<00:08, 19.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:05<00:08, 19.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:05<00:08, 19.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.29.input_layernorm.weight", shape: (4096,), dtype: float16

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:05<00:08, 19.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:05<00:08, 19.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:05<00:08, 19.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:05<00:08, 19.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:05<00:08, 19.09it/s]
 17%|██████████████████████████▌                                                                                                                             | 34/195 [00:05<00:06, 23.52it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.29.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 17%|██████████████████████████▌                                                                                                                             | 34/195 [00:05<00:06, 23.52it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 17%|██████████████████████████▌                                                                                                                             | 34/195 [00:05<00:06, 23.52it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 17%|██████████████████████████▌                                                                                                                             | 34/195 [00:05<00:06, 23.52it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 17%|██████████████████████████▌                                                                                                                             | 34/195 [00:05<00:06, 23.52it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 17%|██████████████████████████▌                                                                                                                             | 34/195 [00:05<00:06, 23.52it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.30.input_layernorm.weight", shape: (4096,), dtype: float16

 17%|██████████████████████████▌                                                                                                                             | 34/195 [00:05<00:06, 23.52it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 17%|██████████████████████████▌                                                                                                                             | 34/195 [00:05<00:06, 23.52it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 17%|██████████████████████████▌                                                                                                                             | 34/195 [00:05<00:06, 23.52it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 17%|██████████████████████████▌                                                                                                                             | 34/195 [00:05<00:06, 23.52it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 17%|██████████████████████████▌                                                                                                                             | 34/195 [00:05<00:06, 23.52it/s]
 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:05<00:05, 27.35it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:32] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.30.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:05<00:05, 27.35it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:05<00:05, 27.35it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:05<00:05, 27.35it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:05<00:05, 27.35it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:05<00:05, 27.35it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.31.input_layernorm.weight", shape: (4096,), dtype: float16

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:05<00:05, 27.35it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:05<00:05, 27.35it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:05<00:05, 27.35it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:05<00:05, 27.35it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:05<00:05, 27.35it/s]
 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:05<00:04, 30.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.31.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:05<00:04, 30.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:05<00:04, 30.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:05<00:04, 30.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:05<00:04, 30.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:05<00:04, 30.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.norm.weight", shape: (4096,), dtype: float16

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:05<00:04, 30.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:179: Unloading HF weight file: /models/Llama-2-7b-chat-hf/pytorch_model-00002-of-00002.bin

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:05<00:04, 30.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:33] INFO huggingface_loader.py:169: Loading HF parameters from: /models/Llama-2-7b-chat-hf/pytorch_model-00001-of-00002.bin

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:05<00:04, 30.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.embed_tokens.q_weight", shape: (32000, 512), dtype: uint32

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:08<00:04, 30.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.embed_tokens.q_scale", shape: (32000, 128), dtype: float16

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:08<00:04, 30.50it/s]
 26%|███████████████████████████████████████▊                                                                                                                | 51/195 [00:08<00:28,  5.13it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.0.input_layernorm.weight", shape: (4096,), dtype: float16

 26%|███████████████████████████████████████▊                                                                                                                | 51/195 [00:08<00:28,  5.13it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 26%|███████████████████████████████████████▊                                                                                                                | 51/195 [00:08<00:28,  5.13it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 26%|███████████████████████████████████████▊                                                                                                                | 51/195 [00:08<00:28,  5.13it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 26%|███████████████████████████████████████▊                                                                                                                | 51/195 [00:08<00:28,  5.13it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 26%|███████████████████████████████████████▊                                                                                                                | 51/195 [00:08<00:28,  5.13it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.0.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 26%|███████████████████████████████████████▊                                                                                                                | 51/195 [00:08<00:28,  5.13it/s]
 28%|██████████████████████████████████████████▊                                                                                                             | 55/195 [00:08<00:21,  6.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 28%|██████████████████████████████████████████▊                                                                                                             | 55/195 [00:08<00:21,  6.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 28%|██████████████████████████████████████████▊                                                                                                             | 55/195 [00:08<00:21,  6.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 28%|██████████████████████████████████████████▊                                                                                                             | 55/195 [00:08<00:21,  6.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 28%|██████████████████████████████████████████▊                                                                                                             | 55/195 [00:08<00:21,  6.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.1.input_layernorm.weight", shape: (4096,), dtype: float16

 28%|██████████████████████████████████████████▊                                                                                                             | 55/195 [00:08<00:21,  6.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 28%|██████████████████████████████████████████▊                                                                                                             | 55/195 [00:08<00:21,  6.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 28%|██████████████████████████████████████████▊                                                                                                             | 55/195 [00:08<00:21,  6.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 28%|██████████████████████████████████████████▊                                                                                                             | 55/195 [00:09<00:21,  6.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 28%|██████████████████████████████████████████▊                                                                                                             | 55/195 [00:09<00:21,  6.50it/s]
 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:09<00:15,  8.60it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.1.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:09<00:15,  8.60it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:09<00:15,  8.60it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:09<00:15,  8.60it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:09<00:15,  8.60it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:09<00:15,  8.60it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.10.input_layernorm.weight", shape: (4096,), dtype: float16

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:09<00:15,  8.60it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:09<00:15,  8.60it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:09<00:15,  8.60it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:09<00:15,  8.60it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:09<00:15,  8.60it/s]
 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:09<00:10, 11.75it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.10.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:09<00:10, 11.75it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:09<00:10, 11.75it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:09<00:10, 11.75it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:09<00:10, 11.75it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:09<00:10, 11.75it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.11.input_layernorm.weight", shape: (4096,), dtype: float16

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:09<00:10, 11.75it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:09<00:10, 11.75it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:09<00:10, 11.75it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:09<00:10, 11.75it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:09<00:10, 11.75it/s]
 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:09<00:08, 15.31it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.11.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:09<00:08, 15.31it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:09<00:08, 15.31it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:09<00:08, 15.31it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:09<00:08, 15.31it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:09<00:08, 15.31it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.12.input_layernorm.weight", shape: (4096,), dtype: float16

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:09<00:08, 15.31it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:09<00:08, 15.31it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:09<00:08, 15.31it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:09<00:08, 15.31it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:09<00:08, 15.31it/s]
 40%|████████████████████████████████████████████████████████████▊                                                                                           | 78/195 [00:09<00:06, 19.08it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.12.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 40%|████████████████████████████████████████████████████████████▊                                                                                           | 78/195 [00:09<00:06, 19.08it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 40%|████████████████████████████████████████████████████████████▊                                                                                           | 78/195 [00:09<00:06, 19.08it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 40%|████████████████████████████████████████████████████████████▊                                                                                           | 78/195 [00:09<00:06, 19.08it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 40%|████████████████████████████████████████████████████████████▊                                                                                           | 78/195 [00:09<00:06, 19.08it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 40%|████████████████████████████████████████████████████████████▊                                                                                           | 78/195 [00:09<00:06, 19.08it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.13.input_layernorm.weight", shape: (4096,), dtype: float16

 40%|████████████████████████████████████████████████████████████▊                                                                                           | 78/195 [00:09<00:06, 19.08it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 40%|████████████████████████████████████████████████████████████▊                                                                                           | 78/195 [00:09<00:06, 19.08it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 40%|████████████████████████████████████████████████████████████▊                                                                                           | 78/195 [00:09<00:06, 19.08it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 40%|████████████████████████████████████████████████████████████▊                                                                                           | 78/195 [00:09<00:06, 19.08it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 40%|████████████████████████████████████████████████████████████▊                                                                                           | 78/195 [00:09<00:06, 19.08it/s]
 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:09<00:04, 22.85it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.13.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:09<00:04, 22.85it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:09<00:04, 22.85it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:09<00:04, 22.85it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:09<00:04, 22.85it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:09<00:04, 22.85it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.14.input_layernorm.weight", shape: (4096,), dtype: float16

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:09<00:04, 22.85it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:09<00:04, 22.85it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:09<00:04, 22.85it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:09<00:04, 22.85it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:09<00:04, 22.85it/s]
 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:09<00:03, 26.37it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.14.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:09<00:03, 26.37it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:09<00:03, 26.37it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:09<00:03, 26.37it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:09<00:03, 26.37it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:09<00:03, 26.37it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.15.input_layernorm.weight", shape: (4096,), dtype: float16

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:09<00:03, 26.37it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:09<00:03, 26.37it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:09<00:03, 26.37it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:09<00:03, 26.37it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:09<00:03, 26.37it/s]
 49%|██████████████████████████████████████████████████████████████████████████▊                                                                             | 96/195 [00:09<00:03, 29.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.15.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 49%|██████████████████████████████████████████████████████████████████████████▊                                                                             | 96/195 [00:09<00:03, 29.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 49%|██████████████████████████████████████████████████████████████████████████▊                                                                             | 96/195 [00:09<00:03, 29.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 49%|██████████████████████████████████████████████████████████████████████████▊                                                                             | 96/195 [00:09<00:03, 29.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 49%|██████████████████████████████████████████████████████████████████████████▊                                                                             | 96/195 [00:09<00:03, 29.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 49%|██████████████████████████████████████████████████████████████████████████▊                                                                             | 96/195 [00:10<00:03, 29.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.16.input_layernorm.weight", shape: (4096,), dtype: float16

 49%|██████████████████████████████████████████████████████████████████████████▊                                                                             | 96/195 [00:10<00:03, 29.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 49%|██████████████████████████████████████████████████████████████████████████▊                                                                             | 96/195 [00:10<00:03, 29.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 49%|██████████████████████████████████████████████████████████████████████████▊                                                                             | 96/195 [00:10<00:03, 29.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 49%|██████████████████████████████████████████████████████████████████████████▊                                                                             | 96/195 [00:10<00:03, 29.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 49%|██████████████████████████████████████████████████████████████████████████▊                                                                             | 96/195 [00:10<00:03, 29.48it/s]
 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:10<00:02, 32.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.16.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:10<00:02, 32.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:10<00:02, 32.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:10<00:02, 32.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:10<00:02, 32.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:10<00:02, 32.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.17.input_layernorm.weight", shape: (4096,), dtype: float16

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:10<00:02, 32.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:10<00:02, 32.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:10<00:02, 32.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:10<00:02, 32.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:10<00:02, 32.07it/s]
 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:10<00:02, 34.16it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.17.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:10<00:02, 34.16it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:10<00:02, 34.16it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:10<00:02, 34.16it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:10<00:02, 34.16it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:10<00:02, 34.16it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.18.input_layernorm.weight", shape: (4096,), dtype: float16

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:10<00:02, 34.16it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:10<00:02, 34.16it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:10<00:02, 34.16it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:10<00:02, 34.16it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:10<00:02, 34.16it/s]
 58%|████████████████████████████████████████████████████████████████████████████████████████▎                                                              | 114/195 [00:10<00:02, 35.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.18.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 58%|████████████████████████████████████████████████████████████████████████████████████████▎                                                              | 114/195 [00:10<00:02, 35.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 58%|████████████████████████████████████████████████████████████████████████████████████████▎                                                              | 114/195 [00:10<00:02, 35.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 58%|████████████████████████████████████████████████████████████████████████████████████████▎                                                              | 114/195 [00:10<00:02, 35.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 58%|████████████████████████████████████████████████████████████████████████████████████████▎                                                              | 114/195 [00:10<00:02, 35.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 58%|████████████████████████████████████████████████████████████████████████████████████████▎                                                              | 114/195 [00:10<00:02, 35.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.19.input_layernorm.weight", shape: (4096,), dtype: float16

 58%|████████████████████████████████████████████████████████████████████████████████████████▎                                                              | 114/195 [00:10<00:02, 35.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 58%|████████████████████████████████████████████████████████████████████████████████████████▎                                                              | 114/195 [00:10<00:02, 35.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 58%|████████████████████████████████████████████████████████████████████████████████████████▎                                                              | 114/195 [00:10<00:02, 35.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 58%|████████████████████████████████████████████████████████████████████████████████████████▎                                                              | 114/195 [00:10<00:02, 35.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 58%|████████████████████████████████████████████████████████████████████████████████████████▎                                                              | 114/195 [00:10<00:02, 35.80it/s]
 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:10<00:02, 37.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.19.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:10<00:02, 37.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:10<00:02, 37.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:10<00:02, 37.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:10<00:02, 37.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:10<00:02, 37.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.2.input_layernorm.weight", shape: (4096,), dtype: float16

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:10<00:02, 37.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:10<00:02, 37.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:10<00:02, 37.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:10<00:02, 37.03it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:10<00:02, 37.03it/s]
 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:10<00:01, 37.93it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.2.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:10<00:01, 37.93it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:10<00:01, 37.93it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:10<00:01, 37.93it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:10<00:01, 37.93it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:10<00:01, 37.93it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.20.input_layernorm.weight", shape: (4096,), dtype: float16

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:10<00:01, 37.93it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:10<00:01, 37.93it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:10<00:01, 37.93it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:10<00:01, 37.93it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:10<00:01, 37.93it/s]
 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                | 132/195 [00:10<00:01, 38.61it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.20.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                | 132/195 [00:10<00:01, 38.61it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                | 132/195 [00:10<00:01, 38.61it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                | 132/195 [00:10<00:01, 38.61it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                | 132/195 [00:10<00:01, 38.61it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                | 132/195 [00:10<00:01, 38.61it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.21.input_layernorm.weight", shape: (4096,), dtype: float16

 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                | 132/195 [00:10<00:01, 38.61it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                | 132/195 [00:10<00:01, 38.61it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                | 132/195 [00:10<00:01, 38.61it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                | 132/195 [00:10<00:01, 38.61it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▏                                                | 132/195 [00:10<00:01, 38.61it/s]
 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:10<00:01, 39.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.21.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:10<00:01, 39.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:11<00:01, 39.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:11<00:01, 39.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:11<00:01, 39.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:11<00:01, 39.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.22.input_layernorm.weight", shape: (4096,), dtype: float16

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:11<00:01, 39.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:11<00:01, 39.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:11<00:01, 39.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:11<00:01, 39.07it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:11<00:01, 39.07it/s]
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:11<00:01, 39.44it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.22.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:11<00:01, 39.44it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:11<00:01, 39.44it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:11<00:01, 39.44it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:11<00:01, 39.44it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:11<00:01, 39.44it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.23.input_layernorm.weight", shape: (4096,), dtype: float16

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:11<00:01, 39.44it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:11<00:01, 39.44it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:11<00:01, 39.44it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:11<00:01, 39.44it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:11<00:01, 39.44it/s]
 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:11<00:01, 39.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.23.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:11<00:01, 39.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:11<00:01, 39.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:11<00:01, 39.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:11<00:01, 39.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:11<00:01, 39.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.3.input_layernorm.weight", shape: (4096,), dtype: float16

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:11<00:01, 39.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:11<00:01, 39.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:11<00:01, 39.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:11<00:01, 39.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:11<00:01, 39.67it/s]
 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                              | 156/195 [00:11<00:00, 39.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.3.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                              | 156/195 [00:11<00:00, 39.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                              | 156/195 [00:11<00:00, 39.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                              | 156/195 [00:11<00:00, 39.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                              | 156/195 [00:11<00:00, 39.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                              | 156/195 [00:11<00:00, 39.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.4.input_layernorm.weight", shape: (4096,), dtype: float16

 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                              | 156/195 [00:11<00:00, 39.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                              | 156/195 [00:11<00:00, 39.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                              | 156/195 [00:11<00:00, 39.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                              | 156/195 [00:11<00:00, 39.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                              | 156/195 [00:11<00:00, 39.84it/s]
 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:11<00:00, 39.94it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.4.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:11<00:00, 39.94it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:11<00:00, 39.94it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:11<00:00, 39.94it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:11<00:00, 39.94it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:11<00:00, 39.94it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.5.input_layernorm.weight", shape: (4096,), dtype: float16

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:11<00:00, 39.94it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:11<00:00, 39.94it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:11<00:00, 39.94it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:11<00:00, 39.94it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:11<00:00, 39.94it/s]
 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:11<00:00, 40.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.5.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:11<00:00, 40.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:11<00:00, 40.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:11<00:00, 40.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:11<00:00, 40.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:11<00:00, 40.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.6.input_layernorm.weight", shape: (4096,), dtype: float16

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:11<00:00, 40.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:11<00:00, 40.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:11<00:00, 40.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:11<00:00, 40.05it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:11<00:00, 40.05it/s]
 89%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 174/195 [00:11<00:00, 40.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.6.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 89%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 174/195 [00:11<00:00, 40.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 89%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 174/195 [00:11<00:00, 40.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 89%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 174/195 [00:11<00:00, 40.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 89%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 174/195 [00:11<00:00, 40.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 89%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 174/195 [00:11<00:00, 40.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.7.input_layernorm.weight", shape: (4096,), dtype: float16

 89%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 174/195 [00:11<00:00, 40.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 89%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 174/195 [00:11<00:00, 40.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 89%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 174/195 [00:11<00:00, 40.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 89%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 174/195 [00:12<00:00, 40.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 89%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 174/195 [00:12<00:00, 40.12it/s]
 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:12<00:00, 40.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.7.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:12<00:00, 40.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:12<00:00, 40.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:12<00:00, 40.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:12<00:00, 40.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:12<00:00, 40.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.8.input_layernorm.weight", shape: (4096,), dtype: float16

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:12<00:00, 40.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:12<00:00, 40.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:12<00:00, 40.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:12<00:00, 40.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:12<00:00, 40.17it/s]
 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:12<00:00, 40.18it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.8.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:12<00:00, 40.18it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:12<00:00, 40.18it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:12<00:00, 40.18it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:12<00:00, 40.18it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:12<00:00, 40.18it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.9.input_layernorm.weight", shape: (4096,), dtype: float16

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:12<00:00, 40.18it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:12<00:00, 40.18it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float16

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:12<00:00, 40.18it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:12<00:00, 40.18it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float16

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:12<00:00, 40.18it/s]
 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋  | 192/195 [00:12<00:00, 40.19it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.9.post_attention_layernorm.weight", shape: (4096,), dtype: float16

 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋  | 192/195 [00:12<00:00, 40.19it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋  | 192/195 [00:12<00:00, 40.19it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float16

 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋  | 192/195 [00:12<00:00, 40.19it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋  | 192/195 [00:12<00:00, 40.19it/s]
                                                                                                                                                                                              
[2023-12-17 14:49:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16

 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋  | 192/195 [00:12<00:00, 40.19it/s]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 195/195 [00:12<00:00, 15.74it/s]
[2023-12-17 14:49:39] INFO huggingface_loader.py:179: Unloading HF weight file: /models/Llama-2-7b-chat-hf/pytorch_model-00001-of-00002.bin
[2023-12-17 14:49:40] INFO stats.py:71: Time usage: HF loading: 5.234 sec; Pre-quantization mapping: 2.780 sec; Quantization: 2.557 sec
[2023-12-17 14:49:40] INFO stats.py:85: RAM usage: Peak RAM: 9.291 GB. Total bytes loaded from disk: 12.551 GB
[2023-12-17 14:49:40] INFO convert_weight.py:109: Parameter size after quantization: 3.530 GB
[2023-12-17 14:49:40] INFO convert_weight.py:114: Total parameters: 6,738,415,616
[2023-12-17 14:49:40] INFO convert_weight.py:115: Bits per parameter: 4.500
Start storing to cache /tmp/tmp1wbp6l29


[0001/0325] saving lm_head.q_weight
                                   
[0002/0325] saving lm_head.q_scale
                                   
[0003/0325] saving model.layers.24.input_layernorm.weight
                                                         
[0004/0325] saving model.layers.24.mlp.down_proj.q_weight
                                                         
[0005/0325] saving model.layers.24.mlp.down_proj.q_scale
                                                         
[0006/0325] saving model.layers.24.mlp.gate_up_proj.q_weight
                                                            
[0007/0325] saving model.layers.24.mlp.gate_up_proj.q_scale
                                                            
[0008/0325] saving model.layers.24.post_attention_layernorm.weight
                                                                  
[0009/0325] saving model.layers.24.self_attn.qkv_proj.q_weight
                                                                  
[0010/0325] saving model.layers.24.self_attn.qkv_proj.q_scale
                                                                  
[0011/0325] saving model.layers.24.self_attn.o_proj.q_weight
                                                                  
[0012/0325] saving model.layers.24.self_attn.o_proj.q_scale
                                                                  
[0013/0325] saving model.layers.25.input_layernorm.weight
                                                                  
[0014/0325] saving model.layers.25.mlp.down_proj.q_weight
                                                                  
[0015/0325] saving model.layers.25.mlp.down_proj.q_scale
                                                                  
[0016/0325] saving model.layers.25.mlp.gate_up_proj.q_weight
                                                                  
[0017/0325] saving model.layers.25.mlp.gate_up_proj.q_scale
                                                                  
[0018/0325] saving model.layers.25.post_attention_layernorm.weight
                                                                  
[0019/0325] saving model.layers.25.self_attn.qkv_proj.q_weight
                                                                  
[0020/0325] saving model.layers.25.self_attn.qkv_proj.q_scale
                                                                  
[0021/0325] saving model.layers.25.self_attn.o_proj.q_weight
                                                                  
[0022/0325] saving model.layers.25.self_attn.o_proj.q_scale
                                                                  
[0023/0325] saving model.layers.26.input_layernorm.weight
                                                                  
[0024/0325] saving model.layers.26.mlp.down_proj.q_weight
                                                                  
[0025/0325] saving model.layers.26.mlp.down_proj.q_scale
                                                                  
[0026/0325] saving model.layers.26.mlp.gate_up_proj.q_weight
                                                                  
[0027/0325] saving model.layers.26.mlp.gate_up_proj.q_scale
                                                                  
[0028/0325] saving model.layers.26.post_attention_layernorm.weight
                                                                  
[0029/0325] saving model.layers.26.self_attn.qkv_proj.q_weight
                                                                  
[0030/0325] saving model.layers.26.self_attn.qkv_proj.q_scale
                                                                  
[0031/0325] saving model.layers.26.self_attn.o_proj.q_weight
                                                                  
[0032/0325] saving model.layers.26.self_attn.o_proj.q_scale
                                                                  
[0033/0325] saving model.layers.27.input_layernorm.weight
                                                                  
[0034/0325] saving model.layers.27.mlp.down_proj.q_weight
                                                                  
[0035/0325] saving model.layers.27.mlp.down_proj.q_scale
                                                                  
[0036/0325] saving model.layers.27.mlp.gate_up_proj.q_weight
                                                                  
[0037/0325] saving model.layers.27.mlp.gate_up_proj.q_scale
                                                                  
[0038/0325] saving model.layers.27.post_attention_layernorm.weight
                                                                  
[0039/0325] saving model.layers.27.self_attn.qkv_proj.q_weight
                                                                  
[0040/0325] saving model.layers.27.self_attn.qkv_proj.q_scale
                                                                  
[0041/0325] saving model.layers.27.self_attn.o_proj.q_weight
                                                                  
[0042/0325] saving model.layers.27.self_attn.o_proj.q_scale
                                                                  
[0043/0325] saving model.layers.28.input_layernorm.weight
                                                                  
[0044/0325] saving model.layers.28.mlp.down_proj.q_weight
                                                                  
[0045/0325] saving model.layers.28.mlp.down_proj.q_scale
                                                                  
[0046/0325] saving model.layers.28.mlp.gate_up_proj.q_weight
                                                                  
[0047/0325] saving model.layers.28.mlp.gate_up_proj.q_scale
                                                                  
[0048/0325] saving model.layers.28.post_attention_layernorm.weight
                                                                  
[0049/0325] saving model.layers.28.self_attn.qkv_proj.q_weight
                                                                  
[0050/0325] saving model.layers.28.self_attn.qkv_proj.q_scale
                                                                  
[0051/0325] saving model.layers.28.self_attn.o_proj.q_weight
                                                                  
[0052/0325] saving model.layers.28.self_attn.o_proj.q_scale
                                                                  
[0053/0325] saving model.layers.29.input_layernorm.weight
                                                                  
[0054/0325] saving model.layers.29.mlp.down_proj.q_weight
                                                                  
[0055/0325] saving model.layers.29.mlp.down_proj.q_scale
                                                                  
[0056/0325] saving model.layers.29.mlp.gate_up_proj.q_weight
                                                                  
[0057/0325] saving model.layers.29.mlp.gate_up_proj.q_scale
                                                                  
[0058/0325] saving model.layers.29.post_attention_layernorm.weight
                                                                  
[0059/0325] saving model.layers.29.self_attn.qkv_proj.q_weight
                                                                  
[0060/0325] saving model.layers.29.self_attn.qkv_proj.q_scale
                                                                  
[0061/0325] saving model.layers.29.self_attn.o_proj.q_weight
                                                                  
[0062/0325] saving model.layers.29.self_attn.o_proj.q_scale
                                                                  
[0063/0325] saving model.layers.30.input_layernorm.weight
                                                                  
[0064/0325] saving model.layers.30.mlp.down_proj.q_weight
                                                                  
[0065/0325] saving model.layers.30.mlp.down_proj.q_scale
                                                                  
[0066/0325] saving model.layers.30.mlp.gate_up_proj.q_weight
                                                                  
[0067/0325] saving model.layers.30.mlp.gate_up_proj.q_scale
                                                                  
[0068/0325] saving model.layers.30.post_attention_layernorm.weight
                                                                  
[0069/0325] saving model.layers.30.self_attn.qkv_proj.q_weight
                                                                  
[0070/0325] saving model.layers.30.self_attn.qkv_proj.q_scale
                                                                  
[0071/0325] saving model.layers.30.self_attn.o_proj.q_weight
                                                                  
[0072/0325] saving model.layers.30.self_attn.o_proj.q_scale
                                                                  
[0073/0325] saving model.layers.31.input_layernorm.weight
                                                                  
[0074/0325] saving model.layers.31.mlp.down_proj.q_weight
                                                                  
[0075/0325] saving model.layers.31.mlp.down_proj.q_scale
                                                                  
[0076/0325] saving model.layers.31.mlp.gate_up_proj.q_weight
                                                                  
[0077/0325] saving model.layers.31.mlp.gate_up_proj.q_scale
                                                                  
[0078/0325] saving model.layers.31.post_attention_layernorm.weight
                                                                  
[0079/0325] saving model.layers.31.self_attn.qkv_proj.q_weight
                                                                  
[0080/0325] saving model.layers.31.self_attn.qkv_proj.q_scale
                                                                  
[0081/0325] saving model.layers.31.self_attn.o_proj.q_weight
                                                                  
[0082/0325] saving model.layers.31.self_attn.o_proj.q_scale
                                                                  
[0083/0325] saving model.norm.weight
                                                                  
[0084/0325] saving model.embed_tokens.q_weight
                                                                  
[0085/0325] saving model.embed_tokens.q_scale
                                                                  
[0086/0325] saving model.layers.0.input_layernorm.weight
                                                                  
[0087/0325] saving model.layers.0.mlp.down_proj.q_weight
                                                                  
[0088/0325] saving model.layers.0.mlp.down_proj.q_scale
                                                                  
[0089/0325] saving model.layers.0.mlp.gate_up_proj.q_weight
                                                                  
[0090/0325] saving model.layers.0.mlp.gate_up_proj.q_scale
                                                                  
[0091/0325] saving model.layers.0.post_attention_layernorm.weight
                                                                  
[0092/0325] saving model.layers.0.self_attn.qkv_proj.q_weight
                                                                  
[0093/0325] saving model.layers.0.self_attn.qkv_proj.q_scale
                                                                  
[0094/0325] saving model.layers.0.self_attn.o_proj.q_weight
                                                                  
[0095/0325] saving model.layers.0.self_attn.o_proj.q_scale
                                                                  
[0096/0325] saving model.layers.1.input_layernorm.weight
                                                                  
[0097/0325] saving model.layers.1.mlp.down_proj.q_weight
                                                                  
[0098/0325] saving model.layers.1.mlp.down_proj.q_scale
                                                                  
[0099/0325] saving model.layers.1.mlp.gate_up_proj.q_weight
                                                                  
[0100/0325] saving model.layers.1.mlp.gate_up_proj.q_scale
                                                                  
[0101/0325] saving model.layers.1.post_attention_layernorm.weight
                                                                  
[0102/0325] saving model.layers.1.self_attn.qkv_proj.q_weight
                                                                  
[0103/0325] saving model.layers.1.self_attn.qkv_proj.q_scale
                                                                  
[0104/0325] saving model.layers.1.self_attn.o_proj.q_weight
                                                                  
[0105/0325] saving model.layers.1.self_attn.o_proj.q_scale
                                                                  
[0106/0325] saving model.layers.10.input_layernorm.weight
                                                                  
[0107/0325] saving model.layers.10.mlp.down_proj.q_weight
                                                                  
[0108/0325] saving model.layers.10.mlp.down_proj.q_scale
                                                                  
[0109/0325] saving model.layers.10.mlp.gate_up_proj.q_weight
                                                                  
[0110/0325] saving model.layers.10.mlp.gate_up_proj.q_scale
                                                                  
[0111/0325] saving model.layers.10.post_attention_layernorm.weight
                                                                  
[0112/0325] saving model.layers.10.self_attn.qkv_proj.q_weight
                                                                  
[0113/0325] saving model.layers.10.self_attn.qkv_proj.q_scale
                                                                  
[0114/0325] saving model.layers.10.self_attn.o_proj.q_weight
                                                                  
[0115/0325] saving model.layers.10.self_attn.o_proj.q_scale
                                                                  
[0116/0325] saving model.layers.11.input_layernorm.weight
                                                                  
[0117/0325] saving model.layers.11.mlp.down_proj.q_weight
                                                                  
[0118/0325] saving model.layers.11.mlp.down_proj.q_scale
                                                                  
[0119/0325] saving model.layers.11.mlp.gate_up_proj.q_weight
                                                                  
[0120/0325] saving model.layers.11.mlp.gate_up_proj.q_scale
                                                                  
[0121/0325] saving model.layers.11.post_attention_layernorm.weight
                                                                  
[0122/0325] saving model.layers.11.self_attn.qkv_proj.q_weight
                                                                  
[0123/0325] saving model.layers.11.self_attn.qkv_proj.q_scale
                                                                  
[0124/0325] saving model.layers.11.self_attn.o_proj.q_weight
                                                                  
[0125/0325] saving model.layers.11.self_attn.o_proj.q_scale
                                                                  
[0126/0325] saving model.layers.12.input_layernorm.weight
                                                                  
[0127/0325] saving model.layers.12.mlp.down_proj.q_weight
                                                                  
[0128/0325] saving model.layers.12.mlp.down_proj.q_scale
                                                                  
[0129/0325] saving model.layers.12.mlp.gate_up_proj.q_weight
                                                                  
[0130/0325] saving model.layers.12.mlp.gate_up_proj.q_scale
                                                                  
[0131/0325] saving model.layers.12.post_attention_layernorm.weight
                                                                  
[0132/0325] saving model.layers.12.self_attn.qkv_proj.q_weight
                                                                  
[0133/0325] saving model.layers.12.self_attn.qkv_proj.q_scale
                                                                  
[0134/0325] saving model.layers.12.self_attn.o_proj.q_weight
                                                                  
[0135/0325] saving model.layers.12.self_attn.o_proj.q_scale
                                                                  
[0136/0325] saving model.layers.13.input_layernorm.weight
                                                                  
[0137/0325] saving model.layers.13.mlp.down_proj.q_weight
                                                                  
[0138/0325] saving model.layers.13.mlp.down_proj.q_scale
                                                                  
[0139/0325] saving model.layers.13.mlp.gate_up_proj.q_weight
                                                                  
[0140/0325] saving model.layers.13.mlp.gate_up_proj.q_scale
                                                                  
[0141/0325] saving model.layers.13.post_attention_layernorm.weight
                                                                  
[0142/0325] saving model.layers.13.self_attn.qkv_proj.q_weight
                                                                  
[0143/0325] saving model.layers.13.self_attn.qkv_proj.q_scale
                                                                  
[0144/0325] saving model.layers.13.self_attn.o_proj.q_weight
                                                                  
[0145/0325] saving model.layers.13.self_attn.o_proj.q_scale
                                                                  
[0146/0325] saving model.layers.14.input_layernorm.weight
                                                                  
[0147/0325] saving model.layers.14.mlp.down_proj.q_weight
                                                                  
[0148/0325] saving model.layers.14.mlp.down_proj.q_scale
                                                                  
[0149/0325] saving model.layers.14.mlp.gate_up_proj.q_weight
                                                                  
[0150/0325] saving model.layers.14.mlp.gate_up_proj.q_scale
                                                                  
[0151/0325] saving model.layers.14.post_attention_layernorm.weight
                                                                  
[0152/0325] saving model.layers.14.self_attn.qkv_proj.q_weight
                                                                  
[0153/0325] saving model.layers.14.self_attn.qkv_proj.q_scale
                                                                  
[0154/0325] saving model.layers.14.self_attn.o_proj.q_weight
                                                                  
[0155/0325] saving model.layers.14.self_attn.o_proj.q_scale
                                                                  
[0156/0325] saving model.layers.15.input_layernorm.weight
                                                                  
[0157/0325] saving model.layers.15.mlp.down_proj.q_weight
                                                                  
[0158/0325] saving model.layers.15.mlp.down_proj.q_scale
                                                                  
[0159/0325] saving model.layers.15.mlp.gate_up_proj.q_weight
                                                                  
[0160/0325] saving model.layers.15.mlp.gate_up_proj.q_scale
                                                                  
[0161/0325] saving model.layers.15.post_attention_layernorm.weight
                                                                  
[0162/0325] saving model.layers.15.self_attn.qkv_proj.q_weight
                                                                  
[0163/0325] saving model.layers.15.self_attn.qkv_proj.q_scale
                                                                  
[0164/0325] saving model.layers.15.self_attn.o_proj.q_weight
                                                                  
[0165/0325] saving model.layers.15.self_attn.o_proj.q_scale
                                                                  
[0166/0325] saving model.layers.16.input_layernorm.weight
                                                                  
[0167/0325] saving model.layers.16.mlp.down_proj.q_weight
                                                                  
[0168/0325] saving model.layers.16.mlp.down_proj.q_scale
                                                                  
[0169/0325] saving model.layers.16.mlp.gate_up_proj.q_weight
                                                                  
[0170/0325] saving model.layers.16.mlp.gate_up_proj.q_scale
                                                                  
[0171/0325] saving model.layers.16.post_attention_layernorm.weight
                                                                  
[0172/0325] saving model.layers.16.self_attn.qkv_proj.q_weight
                                                                  
[0173/0325] saving model.layers.16.self_attn.qkv_proj.q_scale
                                                                  
[0174/0325] saving model.layers.16.self_attn.o_proj.q_weight
                                                                  
[0175/0325] saving model.layers.16.self_attn.o_proj.q_scale
                                                                  
[0176/0325] saving model.layers.17.input_layernorm.weight
                                                                  
[0177/0325] saving model.layers.17.mlp.down_proj.q_weight
                                                                  
[0178/0325] saving model.layers.17.mlp.down_proj.q_scale
                                                                  
[0179/0325] saving model.layers.17.mlp.gate_up_proj.q_weight
                                                                  
[0180/0325] saving model.layers.17.mlp.gate_up_proj.q_scale
                                                                  
[0181/0325] saving model.layers.17.post_attention_layernorm.weight
                                                                  
[0182/0325] saving model.layers.17.self_attn.qkv_proj.q_weight
                                                                  
[0183/0325] saving model.layers.17.self_attn.qkv_proj.q_scale
                                                                  
[0184/0325] saving model.layers.17.self_attn.o_proj.q_weight
                                                                  
[0185/0325] saving model.layers.17.self_attn.o_proj.q_scale
                                                                  
[0186/0325] saving model.layers.18.input_layernorm.weight
                                                                  
[0187/0325] saving model.layers.18.mlp.down_proj.q_weight
                                                                  
[0188/0325] saving model.layers.18.mlp.down_proj.q_scale
                                                                  
[0189/0325] saving model.layers.18.mlp.gate_up_proj.q_weight
                                                                  
[0190/0325] saving model.layers.18.mlp.gate_up_proj.q_scale
                                                                  
[0191/0325] saving model.layers.18.post_attention_layernorm.weight
                                                                  
[0192/0325] saving model.layers.18.self_attn.qkv_proj.q_weight
                                                                  
[0193/0325] saving model.layers.18.self_attn.qkv_proj.q_scale
                                                                  
[0194/0325] saving model.layers.18.self_attn.o_proj.q_weight
                                                                  
[0195/0325] saving model.layers.18.self_attn.o_proj.q_scale
                                                                  
[0196/0325] saving model.layers.19.input_layernorm.weight
                                                                  
[0197/0325] saving model.layers.19.mlp.down_proj.q_weight
                                                                  
[0198/0325] saving model.layers.19.mlp.down_proj.q_scale
                                                                  
[0199/0325] saving model.layers.19.mlp.gate_up_proj.q_weight
                                                                  
[0200/0325] saving model.layers.19.mlp.gate_up_proj.q_scale
                                                                  
[0201/0325] saving model.layers.19.post_attention_layernorm.weight
                                                                  
[0202/0325] saving model.layers.19.self_attn.qkv_proj.q_weight
                                                                  
[0203/0325] saving model.layers.19.self_attn.qkv_proj.q_scale
                                                                  
[0204/0325] saving model.layers.19.self_attn.o_proj.q_weight
                                                                  
[0205/0325] saving model.layers.19.self_attn.o_proj.q_scale
                                                                  
[0206/0325] saving model.layers.2.input_layernorm.weight
                                                                  
[0207/0325] saving model.layers.2.mlp.down_proj.q_weight
                                                                  
[0208/0325] saving model.layers.2.mlp.down_proj.q_scale
                                                                  
[0209/0325] saving model.layers.2.mlp.gate_up_proj.q_weight
                                                                  
[0210/0325] saving model.layers.2.mlp.gate_up_proj.q_scale
                                                                  
[0211/0325] saving model.layers.2.post_attention_layernorm.weight
                                                                  
[0212/0325] saving model.layers.2.self_attn.qkv_proj.q_weight
                                                                  
[0213/0325] saving model.layers.2.self_attn.qkv_proj.q_scale
                                                                  
[0214/0325] saving model.layers.2.self_attn.o_proj.q_weight
                                                                  
[0215/0325] saving model.layers.2.self_attn.o_proj.q_scale
                                                                  
[0216/0325] saving model.layers.20.input_layernorm.weight
                                                                  
[0217/0325] saving model.layers.20.mlp.down_proj.q_weight
                                                                  
[0218/0325] saving model.layers.20.mlp.down_proj.q_scale
                                                                  
[0219/0325] saving model.layers.20.mlp.gate_up_proj.q_weight
                                                                  
[0220/0325] saving model.layers.20.mlp.gate_up_proj.q_scale
                                                                  
[0221/0325] saving model.layers.20.post_attention_layernorm.weight
                                                                  
[0222/0325] saving model.layers.20.self_attn.qkv_proj.q_weight
                                                                  
[0223/0325] saving model.layers.20.self_attn.qkv_proj.q_scale
                                                                  
[0224/0325] saving model.layers.20.self_attn.o_proj.q_weight
                                                                  
[0225/0325] saving model.layers.20.self_attn.o_proj.q_scale
                                                                  
[0226/0325] saving model.layers.21.input_layernorm.weight
                                                                  
[0227/0325] saving model.layers.21.mlp.down_proj.q_weight
                                                                  
[0228/0325] saving model.layers.21.mlp.down_proj.q_scale
                                                                  
[0229/0325] saving model.layers.21.mlp.gate_up_proj.q_weight
                                                                  
[0230/0325] saving model.layers.21.mlp.gate_up_proj.q_scale
                                                                  
[0231/0325] saving model.layers.21.post_attention_layernorm.weight
                                                                  
[0232/0325] saving model.layers.21.self_attn.qkv_proj.q_weight
                                                                  
[0233/0325] saving model.layers.21.self_attn.qkv_proj.q_scale
                                                                  
[0234/0325] saving model.layers.21.self_attn.o_proj.q_weight
                                                                  
[0235/0325] saving model.layers.21.self_attn.o_proj.q_scale
                                                                  
[0236/0325] saving model.layers.22.input_layernorm.weight
                                                                  
[0237/0325] saving model.layers.22.mlp.down_proj.q_weight
                                                                  
[0238/0325] saving model.layers.22.mlp.down_proj.q_scale
                                                                  
[0239/0325] saving model.layers.22.mlp.gate_up_proj.q_weight
                                                                  
[0240/0325] saving model.layers.22.mlp.gate_up_proj.q_scale
                                                                  
[0241/0325] saving model.layers.22.post_attention_layernorm.weight
                                                                  
[0242/0325] saving model.layers.22.self_attn.qkv_proj.q_weight
                                                                  
[0243/0325] saving model.layers.22.self_attn.qkv_proj.q_scale
                                                                  
[0244/0325] saving model.layers.22.self_attn.o_proj.q_weight
                                                                  
[0245/0325] saving model.layers.22.self_attn.o_proj.q_scale
                                                                  
[0246/0325] saving model.layers.23.input_layernorm.weight
                                                                  
[0247/0325] saving model.layers.23.mlp.down_proj.q_weight
                                                                  
[0248/0325] saving model.layers.23.mlp.down_proj.q_scale
                                                                  
[0249/0325] saving model.layers.23.mlp.gate_up_proj.q_weight
                                                                  
[0250/0325] saving model.layers.23.mlp.gate_up_proj.q_scale
                                                                  
[0251/0325] saving model.layers.23.post_attention_layernorm.weight
                                                                  
[0252/0325] saving model.layers.23.self_attn.qkv_proj.q_weight
                                                                  
[0253/0325] saving model.layers.23.self_attn.qkv_proj.q_scale
                                                                  
[0254/0325] saving model.layers.23.self_attn.o_proj.q_weight
                                                                  
[0255/0325] saving model.layers.23.self_attn.o_proj.q_scale
                                                                  
[0256/0325] saving model.layers.3.input_layernorm.weight
                                                                  
[0257/0325] saving model.layers.3.mlp.down_proj.q_weight
                                                                  
[0258/0325] saving model.layers.3.mlp.down_proj.q_scale
                                                                  
[0259/0325] saving model.layers.3.mlp.gate_up_proj.q_weight
                                                                  
[0260/0325] saving model.layers.3.mlp.gate_up_proj.q_scale
                                                                  
[0261/0325] saving model.layers.3.post_attention_layernorm.weight
                                                                  
[0262/0325] saving model.layers.3.self_attn.qkv_proj.q_weight
                                                                  
[0263/0325] saving model.layers.3.self_attn.qkv_proj.q_scale
                                                                  
[0264/0325] saving model.layers.3.self_attn.o_proj.q_weight
                                                                  
[0265/0325] saving model.layers.3.self_attn.o_proj.q_scale
                                                                  
[0266/0325] saving model.layers.4.input_layernorm.weight
                                                                  
[0267/0325] saving model.layers.4.mlp.down_proj.q_weight
                                                                  
[0268/0325] saving model.layers.4.mlp.down_proj.q_scale
                                                                  
[0269/0325] saving model.layers.4.mlp.gate_up_proj.q_weight
                                                                  
[0270/0325] saving model.layers.4.mlp.gate_up_proj.q_scale
                                                                  
[0271/0325] saving model.layers.4.post_attention_layernorm.weight
                                                                  
[0272/0325] saving model.layers.4.self_attn.qkv_proj.q_weight
                                                                  
[0273/0325] saving model.layers.4.self_attn.qkv_proj.q_scale
                                                                  
[0274/0325] saving model.layers.4.self_attn.o_proj.q_weight
                                                                  
[0275/0325] saving model.layers.4.self_attn.o_proj.q_scale
                                                                  
[0276/0325] saving model.layers.5.input_layernorm.weight
                                                                  
[0277/0325] saving model.layers.5.mlp.down_proj.q_weight
                                                                  
[0278/0325] saving model.layers.5.mlp.down_proj.q_scale
                                                                  
[0279/0325] saving model.layers.5.mlp.gate_up_proj.q_weight
                                                                  
[0280/0325] saving model.layers.5.mlp.gate_up_proj.q_scale
                                                                  
[0281/0325] saving model.layers.5.post_attention_layernorm.weight
                                                                  
[0282/0325] saving model.layers.5.self_attn.qkv_proj.q_weight
                                                                  
[0283/0325] saving model.layers.5.self_attn.qkv_proj.q_scale
                                                                  
[0284/0325] saving model.layers.5.self_attn.o_proj.q_weight
                                                                  
[0285/0325] saving model.layers.5.self_attn.o_proj.q_scale
                                                                  
[0286/0325] saving model.layers.6.input_layernorm.weight
                                                                  
[0287/0325] saving model.layers.6.mlp.down_proj.q_weight
                                                                  
[0288/0325] saving model.layers.6.mlp.down_proj.q_scale
                                                                  
[0289/0325] saving model.layers.6.mlp.gate_up_proj.q_weight
                                                                  
[0290/0325] saving model.layers.6.mlp.gate_up_proj.q_scale
                                                                  
[0291/0325] saving model.layers.6.post_attention_layernorm.weight
                                                                  
[0292/0325] saving model.layers.6.self_attn.qkv_proj.q_weight
                                                                  
[0293/0325] saving model.layers.6.self_attn.qkv_proj.q_scale
                                                                  
[0294/0325] saving model.layers.6.self_attn.o_proj.q_weight
                                                                  
[0295/0325] saving model.layers.6.self_attn.o_proj.q_scale
                                                                  
[0296/0325] saving model.layers.7.input_layernorm.weight
                                                                  
[0297/0325] saving model.layers.7.mlp.down_proj.q_weight
                                                                  
[0298/0325] saving model.layers.7.mlp.down_proj.q_scale
                                                                  
[0299/0325] saving model.layers.7.mlp.gate_up_proj.q_weight
                                                                  
[0300/0325] saving model.layers.7.mlp.gate_up_proj.q_scale
                                                                  
[0301/0325] saving model.layers.7.post_attention_layernorm.weight
                                                                  
[0302/0325] saving model.layers.7.self_attn.qkv_proj.q_weight
                                                                  
[0303/0325] saving model.layers.7.self_attn.qkv_proj.q_scale
                                                                  
[0304/0325] saving model.layers.7.self_attn.o_proj.q_weight
                                                                  
[0305/0325] saving model.layers.7.self_attn.o_proj.q_scale
                                                                  
[0306/0325] saving model.layers.8.input_layernorm.weight
                                                                  
[0307/0325] saving model.layers.8.mlp.down_proj.q_weight
                                                                  
[0308/0325] saving model.layers.8.mlp.down_proj.q_scale
                                                                  
[0309/0325] saving model.layers.8.mlp.gate_up_proj.q_weight
                                                                  
[0310/0325] saving model.layers.8.mlp.gate_up_proj.q_scale
                                                                  
[0311/0325] saving model.layers.8.post_attention_layernorm.weight
                                                                  
[0312/0325] saving model.layers.8.self_attn.qkv_proj.q_weight
                                                                  
[0313/0325] saving model.layers.8.self_attn.qkv_proj.q_scale
                                                                  
[0314/0325] saving model.layers.8.self_attn.o_proj.q_weight
                                                                  
[0315/0325] saving model.layers.8.self_attn.o_proj.q_scale
                                                                  
[0316/0325] saving model.layers.9.input_layernorm.weight
                                                                  
[0317/0325] saving model.layers.9.mlp.down_proj.q_weight
                                                                  
[0318/0325] saving model.layers.9.mlp.down_proj.q_scale
                                                                  
[0319/0325] saving model.layers.9.mlp.gate_up_proj.q_weight
                                                                  
[0320/0325] saving model.layers.9.mlp.gate_up_proj.q_scale
                                                                  
[0321/0325] saving model.layers.9.post_attention_layernorm.weight[2023-12-17 14:49:48] INFO convert_weight.py:131: Saved to directory: /tmp/tmp1wbp6l29

                                                                  
[0322/0325] saving model.layers.9.self_attn.qkv_proj.q_weight
                                                                  
[0323/0325] saving model.layers.9.self_attn.qkv_proj.q_scale
                                                                  
[0324/0325] saving model.layers.9.self_attn.o_proj.q_weight
                                                                  
[0325/0325] saving model.layers.9.self_attn.o_proj.q_scale
All finished, 115 total shards committed, record saved to /tmp/tmp1wbp6l29/ndarray-cache.json