python -m mlc_chat gen_config /models/Llama-2-7b-chat-hf --quantization q4f32_1 --conv-template llama-2 --output /tmp/tmplskg415n
[2023-12-17 14:50:29] INFO auto_config.py:116: Found model configuration: /models/Llama-2-7b-chat-hf/config.json
[2023-12-17 14:50:29] INFO auto_config.py:155: Found model type: llama. Use `--model-type` to override.
[2023-12-17 14:50:29] INFO llama_model.py:49: context_window_size not found in config.json. Falling back to max_position_embeddings (4096)
[2023-12-17 14:50:29] INFO gen_config.py:114: [generation_config.json] Setting bos_token_id: 1
[2023-12-17 14:50:29] INFO gen_config.py:114: [generation_config.json] Setting eos_token_id: 2
[2023-12-17 14:50:29] INFO gen_config.py:114: [generation_config.json] Setting pad_token_id: 0
[2023-12-17 14:50:29] INFO gen_config.py:114: [generation_config.json] Setting temperature: 0.6
[2023-12-17 14:50:29] INFO gen_config.py:114: [generation_config.json] Setting top_p: 0.9
[2023-12-17 14:50:29] INFO gen_config.py:126: Found tokenizer config: /models/Llama-2-7b-chat-hf/tokenizer.model. Copying to /tmp/tmplskg415n/tokenizer.model
[2023-12-17 14:50:29] INFO gen_config.py:126: Found tokenizer config: /models/Llama-2-7b-chat-hf/tokenizer.json. Copying to /tmp/tmplskg415n/tokenizer.json
[2023-12-17 14:50:29] INFO gen_config.py:128: Not found tokenizer config: /models/Llama-2-7b-chat-hf/vocab.json
[2023-12-17 14:50:29] INFO gen_config.py:128: Not found tokenizer config: /models/Llama-2-7b-chat-hf/merges.txt
[2023-12-17 14:50:29] INFO gen_config.py:128: Not found tokenizer config: /models/Llama-2-7b-chat-hf/added_tokens.json
[2023-12-17 14:50:29] INFO gen_config.py:126: Found tokenizer config: /models/Llama-2-7b-chat-hf/tokenizer_config.json. Copying to /tmp/tmplskg415n/tokenizer_config.json
[2023-12-17 14:50:29] INFO gen_config.py:68: [System default] Setting repetition_penalty: 1.0
[2023-12-17 14:50:29] INFO gen_config.py:68: [System default] Setting mean_gen_len: 128
[2023-12-17 14:50:29] INFO gen_config.py:68: [System default] Setting max_gen_len: 512
[2023-12-17 14:50:29] INFO gen_config.py:68: [System default] Setting shift_fill_factor: 0.3
[2023-12-17 14:50:29] INFO gen_config.py:156: Dumping configuration file to: /tmp/tmplskg415n/mlc-chat-config.json
python -m mlc_chat convert_weight /models/Llama-2-7b-chat-hf --quantization q4f32_1 --source-format auto --output /tmp/tmplskg415n
[2023-12-17 14:50:30] INFO auto_config.py:116: Found model configuration: /models/Llama-2-7b-chat-hf/config.json
[2023-12-17 14:50:30] INFO auto_device.py:75: Found device: cuda:0
[2023-12-17 14:50:30] INFO auto_device.py:75: Found device: cuda:1
[2023-12-17 14:50:30] INFO auto_device.py:84: Not found device: rocm:0
[2023-12-17 14:50:30] INFO auto_device.py:84: Not found device: metal:0
[2023-12-17 14:50:31] INFO auto_device.py:75: Found device: vulkan:0
[2023-12-17 14:50:31] INFO auto_device.py:75: Found device: vulkan:1
[2023-12-17 14:50:31] INFO auto_device.py:75: Found device: vulkan:2
[2023-12-17 14:50:31] INFO auto_device.py:84: Not found device: opencl:0
[2023-12-17 14:50:31] INFO auto_device.py:33: Using device: cuda:0
[2023-12-17 14:50:31] INFO auto_weight.py:70: Finding weights in: /models/Llama-2-7b-chat-hf
[2023-12-17 14:50:31] INFO auto_weight.py:120: Found source weight format: huggingface-torch. Source configuration: /models/Llama-2-7b-chat-hf/pytorch_model.bin.index.json
[2023-12-17 14:50:31] INFO auto_weight.py:143: Found source weight format: huggingface-safetensor. Source configuration: /models/Llama-2-7b-chat-hf/model.safetensors.index.json
[2023-12-17 14:50:31] INFO auto_weight.py:106: Using source weight configuration: /models/Llama-2-7b-chat-hf/pytorch_model.bin.index.json. Use `--source` to override.
[2023-12-17 14:50:31] INFO auto_weight.py:110: Using source weight format: huggingface-torch. Use `--source-format` to override.
[2023-12-17 14:50:31] INFO auto_config.py:155: Found model type: llama. Use `--model-type` to override.
[2023-12-17 14:50:31] 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='q4f32_1', kind='group-quant', group_size=32, quantize_dtype='int4', storage_dtype='uint32', model_dtype='float32', num_elem_per_storage=8, num_storage_per_group=4, max_int_value=7)
  --model-type      llama
  --device          cuda:0
  --source          /models/Llama-2-7b-chat-hf/pytorch_model.bin.index.json
  --source-format   huggingface-torch
  --output          /tmp/tmplskg415n

  0%|                                                                                                                                                                 | 0/195 [00:00<?, ?it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:34] INFO huggingface_loader.py:169: Loading HF parameters from: /models/Llama-2-7b-chat-hf/pytorch_model-00002-of-00002.bin

  0%|                                                                                                                                                                 | 0/195 [00:00<?, ?it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:36] INFO group_quantization.py:199: Compiling quantize function for key: (32000, 4096, 'float32', 'cuda')

  0%|                                                                                                                                                                 | 0/195 [00:02<?, ?it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "lm_head.q_weight", shape: (32000, 512), dtype: uint32

  0%|                                                                                                                                                                 | 0/195 [00:03<?, ?it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "lm_head.q_scale", shape: (32000, 128), dtype: float32

  0%|                                                                                                                                                                 | 0/195 [00:03<?, ?it/s]
  1%|▊                                                                                                                                                        | 1/195 [00:03<11:04,  3.42s/it]
                                                                                                                                                                                              
[2023-12-17 14:50:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.24.input_layernorm.weight", shape: (4096,), dtype: float32

  1%|▊                                                                                                                                                        | 1/195 [00:03<11:04,  3.42s/it]
                                                                                                                                                                                              
[2023-12-17 14:50:37] INFO group_quantization.py:199: Compiling quantize function for key: (4096, 11008, 'float32', 'cuda')

  1%|▊                                                                                                                                                        | 1/195 [00:03<11:04,  3.42s/it]
                                                                                                                                                                                              
[2023-12-17 14:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

  1%|▊                                                                                                                                                        | 1/195 [00:03<11:04,  3.42s/it]
                                                                                                                                                                                              
[2023-12-17 14:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

  1%|▊                                                                                                                                                        | 1/195 [00:03<11:04,  3.42s/it]
  2%|██▎                                                                                                                                                      | 3/195 [00:03<03:23,  1.06s/it]
                                                                                                                                                                                              
[2023-12-17 14:50:38] INFO group_quantization.py:199: Compiling quantize function for key: (22016, 4096, 'float32', 'cuda')

  2%|██▎                                                                                                                                                      | 3/195 [00:04<03:23,  1.06s/it]
                                                                                                                                                                                              
[2023-12-17 14:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

  2%|██▎                                                                                                                                                      | 3/195 [00:04<03:23,  1.06s/it]
                                                                                                                                                                                              
[2023-12-17 14:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

  2%|██▎                                                                                                                                                      | 3/195 [00:04<03:23,  1.06s/it]
  2%|███▏                                                                                                                                                     | 4/195 [00:04<02:54,  1.10it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.24.post_attention_layernorm.weight", shape: (4096,), dtype: float32

  2%|███▏                                                                                                                                                     | 4/195 [00:04<02:54,  1.10it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:39] INFO group_quantization.py:199: Compiling quantize function for key: (12288, 4096, 'float32', 'cuda')

  2%|███▏                                                                                                                                                     | 4/195 [00:04<02:54,  1.10it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

  2%|███▏                                                                                                                                                     | 4/195 [00:04<02:54,  1.10it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

  2%|███▏                                                                                                                                                     | 4/195 [00:05<02:54,  1.10it/s]
  3%|████▋                                                                                                                                                    | 6/195 [00:05<01:49,  1.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:39] INFO group_quantization.py:199: Compiling quantize function for key: (4096, 4096, 'float32', 'cuda')

  3%|████▋                                                                                                                                                    | 6/195 [00:05<01:49,  1.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

  3%|████▋                                                                                                                                                    | 6/195 [00:05<01:49,  1.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

  3%|████▋                                                                                                                                                    | 6/195 [00:05<01:49,  1.72it/s]
  4%|█████▍                                                                                                                                                   | 7/195 [00:05<01:37,  1.92it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.25.input_layernorm.weight", shape: (4096,), dtype: float32

  4%|█████▍                                                                                                                                                   | 7/195 [00:05<01:37,  1.92it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

  4%|█████▍                                                                                                                                                   | 7/195 [00:05<01:37,  1.92it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

  4%|█████▍                                                                                                                                                   | 7/195 [00:05<01:37,  1.92it/s]
  5%|███████                                                                                                                                                  | 9/195 [00:05<01:01,  3.01it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

  5%|███████                                                                                                                                                  | 9/195 [00:05<01:01,  3.01it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

  5%|███████                                                                                                                                                  | 9/195 [00:05<01:01,  3.01it/s]
  5%|███████▊                                                                                                                                                | 10/195 [00:05<01:02,  2.98it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.25.post_attention_layernorm.weight", shape: (4096,), dtype: float32

  5%|███████▊                                                                                                                                                | 10/195 [00:05<01:02,  2.98it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

  5%|███████▊                                                                                                                                                | 10/195 [00:06<01:02,  2.98it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

  5%|███████▊                                                                                                                                                | 10/195 [00:06<01:02,  2.98it/s]
  6%|█████████▎                                                                                                                                              | 12/195 [00:06<00:43,  4.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

  6%|█████████▎                                                                                                                                              | 12/195 [00:06<00:43,  4.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

  6%|█████████▎                                                                                                                                              | 12/195 [00:06<00:43,  4.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.26.input_layernorm.weight", shape: (4096,), dtype: float32

  6%|█████████▎                                                                                                                                              | 12/195 [00:06<00:43,  4.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

  6%|█████████▎                                                                                                                                              | 12/195 [00:06<00:43,  4.17it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

  6%|█████████▎                                                                                                                                              | 12/195 [00:06<00:43,  4.17it/s]
  8%|███████████▋                                                                                                                                            | 15/195 [00:06<00:29,  6.10it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

  8%|███████████▋                                                                                                                                            | 15/195 [00:06<00:29,  6.10it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

  8%|███████████▋                                                                                                                                            | 15/195 [00:06<00:29,  6.10it/s]
  8%|████████████▍                                                                                                                                           | 16/195 [00:06<00:35,  5.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:40] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.26.post_attention_layernorm.weight", shape: (4096,), dtype: float32

  8%|████████████▍                                                                                                                                           | 16/195 [00:06<00:35,  5.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

  8%|████████████▍                                                                                                                                           | 16/195 [00:06<00:35,  5.09it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

  8%|████████████▍                                                                                                                                           | 16/195 [00:06<00:35,  5.09it/s]
  9%|██████████████                                                                                                                                          | 18/195 [00:06<00:28,  6.15it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

  9%|██████████████                                                                                                                                          | 18/195 [00:06<00:28,  6.15it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

  9%|██████████████                                                                                                                                          | 18/195 [00:06<00:28,  6.15it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.27.input_layernorm.weight", shape: (4096,), dtype: float32

  9%|██████████████                                                                                                                                          | 18/195 [00:06<00:28,  6.15it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

  9%|██████████████                                                                                                                                          | 18/195 [00:07<00:28,  6.15it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

  9%|██████████████                                                                                                                                          | 18/195 [00:07<00:28,  6.15it/s]
 11%|████████████████▎                                                                                                                                       | 21/195 [00:07<00:21,  7.98it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 11%|████████████████▎                                                                                                                                       | 21/195 [00:07<00:21,  7.98it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 11%|████████████████▎                                                                                                                                       | 21/195 [00:07<00:21,  7.98it/s]
 11%|█████████████████▏                                                                                                                                      | 22/195 [00:07<00:27,  6.19it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.27.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:07<00:27,  6.19it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:07<00:27,  6.19it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 11%|█████████████████▏                                                                                                                                      | 22/195 [00:07<00:27,  6.19it/s]
 12%|██████████████████▋                                                                                                                                     | 24/195 [00:07<00:24,  7.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 12%|██████████████████▋                                                                                                                                     | 24/195 [00:07<00:24,  7.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 12%|██████████████████▋                                                                                                                                     | 24/195 [00:07<00:24,  7.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:41] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.28.input_layernorm.weight", shape: (4096,), dtype: float32

 12%|██████████████████▋                                                                                                                                     | 24/195 [00:07<00:24,  7.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 12%|██████████████████▋                                                                                                                                     | 24/195 [00:07<00:24,  7.12it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 12%|██████████████████▋                                                                                                                                     | 24/195 [00:07<00:24,  7.12it/s]
 14%|█████████████████████                                                                                                                                   | 27/195 [00:07<00:19,  8.83it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 14%|█████████████████████                                                                                                                                   | 27/195 [00:08<00:19,  8.83it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 14%|█████████████████████                                                                                                                                   | 27/195 [00:08<00:19,  8.83it/s]
 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:08<00:25,  6.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:42] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.28.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:08<00:25,  6.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:08<00:25,  6.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 14%|█████████████████████▊                                                                                                                                  | 28/195 [00:08<00:25,  6.64it/s]
 15%|███████████████████████▍                                                                                                                                | 30/195 [00:08<00:21,  7.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 15%|███████████████████████▍                                                                                                                                | 30/195 [00:08<00:21,  7.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 15%|███████████████████████▍                                                                                                                                | 30/195 [00:08<00:21,  7.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:42] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.29.input_layernorm.weight", shape: (4096,), dtype: float32

 15%|███████████████████████▍                                                                                                                                | 30/195 [00:08<00:21,  7.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 15%|███████████████████████▍                                                                                                                                | 30/195 [00:08<00:21,  7.50it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 15%|███████████████████████▍                                                                                                                                | 30/195 [00:08<00:21,  7.50it/s]
 17%|█████████████████████████▋                                                                                                                              | 33/195 [00:08<00:17,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 17%|█████████████████████████▋                                                                                                                              | 33/195 [00:08<00:17,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 17%|█████████████████████████▋                                                                                                                              | 33/195 [00:08<00:17,  9.14it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.29.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 17%|█████████████████████████▋                                                                                                                              | 33/195 [00:08<00:17,  9.14it/s]
 18%|███████████████████████████▎                                                                                                                            | 35/195 [00:08<00:20,  7.90it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 18%|███████████████████████████▎                                                                                                                            | 35/195 [00:09<00:20,  7.90it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 18%|███████████████████████████▎                                                                                                                            | 35/195 [00:09<00:20,  7.90it/s]
 18%|████████████████████████████                                                                                                                            | 36/195 [00:09<00:21,  7.27it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 18%|████████████████████████████                                                                                                                            | 36/195 [00:09<00:21,  7.27it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 18%|████████████████████████████                                                                                                                            | 36/195 [00:09<00:21,  7.27it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.30.input_layernorm.weight", shape: (4096,), dtype: float32

 18%|████████████████████████████                                                                                                                            | 36/195 [00:09<00:21,  7.27it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 18%|████████████████████████████                                                                                                                            | 36/195 [00:09<00:21,  7.27it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 18%|████████████████████████████                                                                                                                            | 36/195 [00:09<00:21,  7.27it/s]
 20%|██████████████████████████████▍                                                                                                                         | 39/195 [00:09<00:17,  8.99it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 20%|██████████████████████████████▍                                                                                                                         | 39/195 [00:09<00:17,  8.99it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 20%|██████████████████████████████▍                                                                                                                         | 39/195 [00:09<00:17,  8.99it/s]
 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:09<00:23,  6.70it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:43] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.30.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:09<00:23,  6.70it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:09<00:23,  6.70it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 21%|███████████████████████████████▏                                                                                                                        | 40/195 [00:09<00:23,  6.70it/s]
 22%|████████████████████████████████▋                                                                                                                       | 42/195 [00:09<00:20,  7.55it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 22%|████████████████████████████████▋                                                                                                                       | 42/195 [00:09<00:20,  7.55it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 22%|████████████████████████████████▋                                                                                                                       | 42/195 [00:09<00:20,  7.55it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:44] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.31.input_layernorm.weight", shape: (4096,), dtype: float32

 22%|████████████████████████████████▋                                                                                                                       | 42/195 [00:09<00:20,  7.55it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 22%|████████████████████████████████▋                                                                                                                       | 42/195 [00:10<00:20,  7.55it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 22%|████████████████████████████████▋                                                                                                                       | 42/195 [00:10<00:20,  7.55it/s]
 23%|███████████████████████████████████                                                                                                                     | 45/195 [00:10<00:16,  9.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 23%|███████████████████████████████████                                                                                                                     | 45/195 [00:10<00:16,  9.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 23%|███████████████████████████████████                                                                                                                     | 45/195 [00:10<00:16,  9.20it/s]
 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:10<00:21,  6.82it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:44] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.31.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:10<00:21,  6.82it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:10<00:21,  6.82it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 24%|███████████████████████████████████▊                                                                                                                    | 46/195 [00:10<00:21,  6.82it/s]
 25%|█████████████████████████████████████▍                                                                                                                  | 48/195 [00:10<00:19,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 25%|█████████████████████████████████████▍                                                                                                                  | 48/195 [00:10<00:19,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 25%|█████████████████████████████████████▍                                                                                                                  | 48/195 [00:10<00:19,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:45] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.norm.weight", shape: (4096,), dtype: float32

 25%|█████████████████████████████████████▍                                                                                                                  | 48/195 [00:10<00:19,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:45] INFO huggingface_loader.py:179: Unloading HF weight file: /models/Llama-2-7b-chat-hf/pytorch_model-00002-of-00002.bin

 25%|█████████████████████████████████████▍                                                                                                                  | 48/195 [00:10<00:19,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:45] INFO huggingface_loader.py:169: Loading HF parameters from: /models/Llama-2-7b-chat-hf/pytorch_model-00001-of-00002.bin

 25%|█████████████████████████████████████▍                                                                                                                  | 48/195 [00:10<00:19,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.embed_tokens.q_weight", shape: (32000, 512), dtype: uint32

 25%|█████████████████████████████████████▍                                                                                                                  | 48/195 [00:14<00:19,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.embed_tokens.q_scale", shape: (32000, 128), dtype: float32

 25%|█████████████████████████████████████▍                                                                                                                  | 48/195 [00:14<00:19,  7.65it/s]
 26%|███████████████████████████████████████▊                                                                                                                | 51/195 [00:14<01:18,  1.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:48] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.0.input_layernorm.weight", shape: (4096,), dtype: float32

 26%|███████████████████████████████████████▊                                                                                                                | 51/195 [00:14<01:18,  1.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 26%|███████████████████████████████████████▊                                                                                                                | 51/195 [00:14<01:18,  1.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 26%|███████████████████████████████████████▊                                                                                                                | 51/195 [00:14<01:18,  1.84it/s]
 27%|█████████████████████████████████████████▎                                                                                                              | 53/195 [00:14<00:58,  2.41it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 27%|█████████████████████████████████████████▎                                                                                                              | 53/195 [00:14<00:58,  2.41it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 27%|█████████████████████████████████████████▎                                                                                                              | 53/195 [00:14<00:58,  2.41it/s]
 28%|██████████████████████████████████████████                                                                                                              | 54/195 [00:14<00:56,  2.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:48] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.0.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 28%|██████████████████████████████████████████                                                                                                              | 54/195 [00:14<00:56,  2.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 28%|██████████████████████████████████████████                                                                                                              | 54/195 [00:14<00:56,  2.48it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 28%|██████████████████████████████████████████                                                                                                              | 54/195 [00:14<00:56,  2.48it/s]
 29%|███████████████████████████████████████████▋                                                                                                            | 56/195 [00:14<00:42,  3.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 29%|███████████████████████████████████████████▋                                                                                                            | 56/195 [00:14<00:42,  3.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 29%|███████████████████████████████████████████▋                                                                                                            | 56/195 [00:14<00:42,  3.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.1.input_layernorm.weight", shape: (4096,), dtype: float32

 29%|███████████████████████████████████████████▋                                                                                                            | 56/195 [00:14<00:42,  3.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 29%|███████████████████████████████████████████▋                                                                                                            | 56/195 [00:14<00:42,  3.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 29%|███████████████████████████████████████████▋                                                                                                            | 56/195 [00:14<00:42,  3.28it/s]
 30%|█████████████████████████████████████████████▉                                                                                                          | 59/195 [00:14<00:28,  4.74it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 30%|█████████████████████████████████████████████▉                                                                                                          | 59/195 [00:15<00:28,  4.74it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 30%|█████████████████████████████████████████████▉                                                                                                          | 59/195 [00:15<00:28,  4.74it/s]
 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:15<00:31,  4.30it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.1.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:15<00:31,  4.30it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:15<00:31,  4.30it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 31%|██████████████████████████████████████████████▊                                                                                                         | 60/195 [00:15<00:31,  4.30it/s]
 32%|████████████████████████████████████████████████▎                                                                                                       | 62/195 [00:15<00:25,  5.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 32%|████████████████████████████████████████████████▎                                                                                                       | 62/195 [00:15<00:25,  5.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 32%|████████████████████████████████████████████████▎                                                                                                       | 62/195 [00:15<00:25,  5.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:49] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.10.input_layernorm.weight", shape: (4096,), dtype: float32

 32%|████████████████████████████████████████████████▎                                                                                                       | 62/195 [00:15<00:25,  5.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 32%|████████████████████████████████████████████████▎                                                                                                       | 62/195 [00:15<00:25,  5.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 32%|████████████████████████████████████████████████▎                                                                                                       | 62/195 [00:15<00:25,  5.28it/s]
 33%|██████████████████████████████████████████████████▋                                                                                                     | 65/195 [00:15<00:18,  7.00it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 33%|██████████████████████████████████████████████████▋                                                                                                     | 65/195 [00:16<00:18,  7.00it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 33%|██████████████████████████████████████████████████▋                                                                                                     | 65/195 [00:16<00:18,  7.00it/s]
 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:16<00:22,  5.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.10.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:16<00:22,  5.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:16<00:22,  5.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 34%|███████████████████████████████████████████████████▍                                                                                                    | 66/195 [00:16<00:22,  5.72it/s]
 35%|█████████████████████████████████████████████████████                                                                                                   | 68/195 [00:16<00:19,  6.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 35%|█████████████████████████████████████████████████████                                                                                                   | 68/195 [00:16<00:19,  6.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 35%|█████████████████████████████████████████████████████                                                                                                   | 68/195 [00:16<00:19,  6.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.11.input_layernorm.weight", shape: (4096,), dtype: float32

 35%|█████████████████████████████████████████████████████                                                                                                   | 68/195 [00:16<00:19,  6.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 35%|█████████████████████████████████████████████████████                                                                                                   | 68/195 [00:16<00:19,  6.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 35%|█████████████████████████████████████████████████████                                                                                                   | 68/195 [00:16<00:19,  6.64it/s]
 36%|███████████████████████████████████████████████████████▎                                                                                                | 71/195 [00:16<00:14,  8.34it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 36%|███████████████████████████████████████████████████████▎                                                                                                | 71/195 [00:16<00:14,  8.34it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 36%|███████████████████████████████████████████████████████▎                                                                                                | 71/195 [00:16<00:14,  8.34it/s]
 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:16<00:19,  6.42it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.11.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:16<00:19,  6.42it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:17<00:19,  6.42it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 37%|████████████████████████████████████████████████████████                                                                                                | 72/195 [00:17<00:19,  6.42it/s]
 38%|█████████████████████████████████████████████████████████▋                                                                                              | 74/195 [00:17<00:16,  7.30it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 38%|█████████████████████████████████████████████████████████▋                                                                                              | 74/195 [00:17<00:16,  7.30it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 38%|█████████████████████████████████████████████████████████▋                                                                                              | 74/195 [00:17<00:16,  7.30it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.12.input_layernorm.weight", shape: (4096,), dtype: float32

 38%|█████████████████████████████████████████████████████████▋                                                                                              | 74/195 [00:17<00:16,  7.30it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 38%|█████████████████████████████████████████████████████████▋                                                                                              | 74/195 [00:17<00:16,  7.30it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 38%|█████████████████████████████████████████████████████████▋                                                                                              | 74/195 [00:17<00:16,  7.30it/s]
 39%|████████████████████████████████████████████████████████████                                                                                            | 77/195 [00:17<00:13,  8.96it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 39%|████████████████████████████████████████████████████████████                                                                                            | 77/195 [00:17<00:13,  8.96it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 39%|████████████████████████████████████████████████████████████                                                                                            | 77/195 [00:17<00:13,  8.96it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:51] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.12.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 39%|████████████████████████████████████████████████████████████                                                                                            | 77/195 [00:17<00:13,  8.96it/s]
 41%|█████████████████████████████████████████████████████████████▌                                                                                          | 79/195 [00:17<00:14,  7.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 41%|█████████████████████████████████████████████████████████████▌                                                                                          | 79/195 [00:17<00:14,  7.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 41%|█████████████████████████████████████████████████████████████▌                                                                                          | 79/195 [00:17<00:14,  7.80it/s]
 41%|██████████████████████████████████████████████████████████████▎                                                                                         | 80/195 [00:17<00:15,  7.21it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 41%|██████████████████████████████████████████████████████████████▎                                                                                         | 80/195 [00:17<00:15,  7.21it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 41%|██████████████████████████████████████████████████████████████▎                                                                                         | 80/195 [00:17<00:15,  7.21it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.13.input_layernorm.weight", shape: (4096,), dtype: float32

 41%|██████████████████████████████████████████████████████████████▎                                                                                         | 80/195 [00:17<00:15,  7.21it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 41%|██████████████████████████████████████████████████████████████▎                                                                                         | 80/195 [00:18<00:15,  7.21it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 41%|██████████████████████████████████████████████████████████████▎                                                                                         | 80/195 [00:18<00:15,  7.21it/s]
 43%|████████████████████████████████████████████████████████████████▋                                                                                       | 83/195 [00:18<00:12,  8.93it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 43%|████████████████████████████████████████████████████████████████▋                                                                                       | 83/195 [00:18<00:12,  8.93it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 43%|████████████████████████████████████████████████████████████████▋                                                                                       | 83/195 [00:18<00:12,  8.93it/s]
 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:18<00:16,  6.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.13.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:18<00:16,  6.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:18<00:16,  6.67it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 43%|█████████████████████████████████████████████████████████████████▍                                                                                      | 84/195 [00:18<00:16,  6.67it/s]
 44%|███████████████████████████████████████████████████████████████████                                                                                     | 86/195 [00:18<00:14,  7.53it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 44%|███████████████████████████████████████████████████████████████████                                                                                     | 86/195 [00:18<00:14,  7.53it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 44%|███████████████████████████████████████████████████████████████████                                                                                     | 86/195 [00:18<00:14,  7.53it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:52] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.14.input_layernorm.weight", shape: (4096,), dtype: float32

 44%|███████████████████████████████████████████████████████████████████                                                                                     | 86/195 [00:18<00:14,  7.53it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 44%|███████████████████████████████████████████████████████████████████                                                                                     | 86/195 [00:18<00:14,  7.53it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 44%|███████████████████████████████████████████████████████████████████                                                                                     | 86/195 [00:18<00:14,  7.53it/s]
 46%|█████████████████████████████████████████████████████████████████████▎                                                                                  | 89/195 [00:18<00:11,  9.18it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 46%|█████████████████████████████████████████████████████████████████████▎                                                                                  | 89/195 [00:19<00:11,  9.18it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 46%|█████████████████████████████████████████████████████████████████████▎                                                                                  | 89/195 [00:19<00:11,  9.18it/s]
 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:19<00:15,  6.81it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:53] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.14.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:19<00:15,  6.81it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:19<00:15,  6.81it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 46%|██████████████████████████████████████████████████████████████████████▏                                                                                 | 90/195 [00:19<00:15,  6.81it/s]
 47%|███████████████████████████████████████████████████████████████████████▋                                                                                | 92/195 [00:19<00:13,  7.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 47%|███████████████████████████████████████████████████████████████████████▋                                                                                | 92/195 [00:19<00:13,  7.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 47%|███████████████████████████████████████████████████████████████████████▋                                                                                | 92/195 [00:19<00:13,  7.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:53] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.15.input_layernorm.weight", shape: (4096,), dtype: float32

 47%|███████████████████████████████████████████████████████████████████████▋                                                                                | 92/195 [00:19<00:13,  7.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 47%|███████████████████████████████████████████████████████████████████████▋                                                                                | 92/195 [00:19<00:13,  7.64it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 47%|███████████████████████████████████████████████████████████████████████▋                                                                                | 92/195 [00:19<00:13,  7.64it/s]
 49%|██████████████████████████████████████████████████████████████████████████                                                                              | 95/195 [00:19<00:10,  9.26it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 49%|██████████████████████████████████████████████████████████████████████████                                                                              | 95/195 [00:19<00:10,  9.26it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 49%|██████████████████████████████████████████████████████████████████████████                                                                              | 95/195 [00:19<00:10,  9.26it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.15.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 49%|██████████████████████████████████████████████████████████████████████████                                                                              | 95/195 [00:19<00:10,  9.26it/s]
 50%|███████████████████████████████████████████████████████████████████████████▌                                                                            | 97/195 [00:19<00:12,  7.96it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 50%|███████████████████████████████████████████████████████████████████████████▌                                                                            | 97/195 [00:20<00:12,  7.96it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 50%|███████████████████████████████████████████████████████████████████████████▌                                                                            | 97/195 [00:20<00:12,  7.96it/s]
 50%|████████████████████████████████████████████████████████████████████████████▍                                                                           | 98/195 [00:20<00:13,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 50%|████████████████████████████████████████████████████████████████████████████▍                                                                           | 98/195 [00:20<00:13,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 50%|████████████████████████████████████████████████████████████████████████████▍                                                                           | 98/195 [00:20<00:13,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.16.input_layernorm.weight", shape: (4096,), dtype: float32

 50%|████████████████████████████████████████████████████████████████████████████▍                                                                           | 98/195 [00:20<00:13,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 50%|████████████████████████████████████████████████████████████████████████████▍                                                                           | 98/195 [00:20<00:13,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 50%|████████████████████████████████████████████████████████████████████████████▍                                                                           | 98/195 [00:20<00:13,  7.32it/s]
 52%|██████████████████████████████████████████████████████████████████████████████▏                                                                        | 101/195 [00:20<00:10,  9.04it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 52%|██████████████████████████████████████████████████████████████████████████████▏                                                                        | 101/195 [00:20<00:10,  9.04it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 52%|██████████████████████████████████████████████████████████████████████████████▏                                                                        | 101/195 [00:20<00:10,  9.04it/s]
 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:20<00:13,  6.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:54] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.16.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:20<00:13,  6.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:20<00:13,  6.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 52%|██████████████████████████████████████████████████████████████████████████████▉                                                                        | 102/195 [00:20<00:13,  6.72it/s]
 53%|████████████████████████████████████████████████████████████████████████████████▌                                                                      | 104/195 [00:20<00:12,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 53%|████████████████████████████████████████████████████████████████████████████████▌                                                                      | 104/195 [00:20<00:12,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 53%|████████████████████████████████████████████████████████████████████████████████▌                                                                      | 104/195 [00:20<00:12,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.17.input_layernorm.weight", shape: (4096,), dtype: float32

 53%|████████████████████████████████████████████████████████████████████████████████▌                                                                      | 104/195 [00:20<00:12,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 53%|████████████████████████████████████████████████████████████████████████████████▌                                                                      | 104/195 [00:21<00:12,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 53%|████████████████████████████████████████████████████████████████████████████████▌                                                                      | 104/195 [00:21<00:12,  7.57it/s]
 55%|██████████████████████████████████████████████████████████████████████████████████▊                                                                    | 107/195 [00:21<00:09,  9.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 55%|██████████████████████████████████████████████████████████████████████████████████▊                                                                    | 107/195 [00:21<00:09,  9.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 55%|██████████████████████████████████████████████████████████████████████████████████▊                                                                    | 107/195 [00:21<00:09,  9.22it/s]
 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:21<00:12,  6.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.17.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:21<00:12,  6.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:21<00:12,  6.80it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 55%|███████████████████████████████████████████████████████████████████████████████████▋                                                                   | 108/195 [00:21<00:12,  6.80it/s]
 56%|█████████████████████████████████████████████████████████████████████████████████████▏                                                                 | 110/195 [00:21<00:11,  7.62it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 56%|█████████████████████████████████████████████████████████████████████████████████████▏                                                                 | 110/195 [00:21<00:11,  7.62it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 56%|█████████████████████████████████████████████████████████████████████████████████████▏                                                                 | 110/195 [00:21<00:11,  7.62it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:55] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.18.input_layernorm.weight", shape: (4096,), dtype: float32

 56%|█████████████████████████████████████████████████████████████████████████████████████▏                                                                 | 110/195 [00:21<00:11,  7.62it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 56%|█████████████████████████████████████████████████████████████████████████████████████▏                                                                 | 110/195 [00:21<00:11,  7.62it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 56%|█████████████████████████████████████████████████████████████████████████████████████▏                                                                 | 110/195 [00:21<00:11,  7.62it/s]
 58%|███████████████████████████████████████████████████████████████████████████████████████▌                                                               | 113/195 [00:21<00:08,  9.24it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 58%|███████████████████████████████████████████████████████████████████████████████████████▌                                                               | 113/195 [00:22<00:08,  9.24it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 58%|███████████████████████████████████████████████████████████████████████████████████████▌                                                               | 113/195 [00:22<00:08,  9.24it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:56] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.18.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 58%|███████████████████████████████████████████████████████████████████████████████████████▌                                                               | 113/195 [00:22<00:08,  9.24it/s]
 59%|█████████████████████████████████████████████████████████████████████████████████████████                                                              | 115/195 [00:22<00:10,  7.91it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 59%|█████████████████████████████████████████████████████████████████████████████████████████                                                              | 115/195 [00:22<00:10,  7.91it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 59%|█████████████████████████████████████████████████████████████████████████████████████████                                                              | 115/195 [00:22<00:10,  7.91it/s]
 59%|█████████████████████████████████████████████████████████████████████████████████████████▊                                                             | 116/195 [00:22<00:10,  7.26it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 59%|█████████████████████████████████████████████████████████████████████████████████████████▊                                                             | 116/195 [00:22<00:10,  7.26it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 59%|█████████████████████████████████████████████████████████████████████████████████████████▊                                                             | 116/195 [00:22<00:10,  7.26it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:56] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.19.input_layernorm.weight", shape: (4096,), dtype: float32

 59%|█████████████████████████████████████████████████████████████████████████████████████████▊                                                             | 116/195 [00:22<00:10,  7.26it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 59%|█████████████████████████████████████████████████████████████████████████████████████████▊                                                             | 116/195 [00:22<00:10,  7.26it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 59%|█████████████████████████████████████████████████████████████████████████████████████████▊                                                             | 116/195 [00:22<00:10,  7.26it/s]
 61%|████████████████████████████████████████████████████████████████████████████████████████████▏                                                          | 119/195 [00:22<00:08,  8.98it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 61%|████████████████████████████████████████████████████████████████████████████████████████████▏                                                          | 119/195 [00:22<00:08,  8.98it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 61%|████████████████████████████████████████████████████████████████████████████████████████████▏                                                          | 119/195 [00:22<00:08,  8.98it/s]
 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:22<00:11,  6.69it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:57] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.19.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:22<00:11,  6.69it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:23<00:11,  6.69it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 62%|████████████████████████████████████████████████████████████████████████████████████████████▉                                                          | 120/195 [00:23<00:11,  6.69it/s]
 63%|██████████████████████████████████████████████████████████████████████████████████████████████▍                                                        | 122/195 [00:23<00:09,  7.55it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 63%|██████████████████████████████████████████████████████████████████████████████████████████████▍                                                        | 122/195 [00:23<00:09,  7.55it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 63%|██████████████████████████████████████████████████████████████████████████████████████████████▍                                                        | 122/195 [00:23<00:09,  7.55it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:57] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.2.input_layernorm.weight", shape: (4096,), dtype: float32

 63%|██████████████████████████████████████████████████████████████████████████████████████████████▍                                                        | 122/195 [00:23<00:09,  7.55it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 63%|██████████████████████████████████████████████████████████████████████████████████████████████▍                                                        | 122/195 [00:23<00:09,  7.55it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:57] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 63%|██████████████████████████████████████████████████████████████████████████████████████████████▍                                                        | 122/195 [00:23<00:09,  7.55it/s]
 64%|████████████████████████████████████████████████████████████████████████████████████████████████▊                                                      | 125/195 [00:23<00:07,  9.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 64%|████████████████████████████████████████████████████████████████████████████████████████████████▊                                                      | 125/195 [00:23<00:07,  9.20it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 64%|████████████████████████████████████████████████████████████████████████████████████████████████▊                                                      | 125/195 [00:23<00:07,  9.20it/s]
 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:23<00:10,  6.82it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.2.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:23<00:10,  6.82it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:23<00:10,  6.82it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 65%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                                                     | 126/195 [00:23<00:10,  6.82it/s]
 66%|███████████████████████████████████████████████████████████████████████████████████████████████████                                                    | 128/195 [00:23<00:08,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 66%|███████████████████████████████████████████████████████████████████████████████████████████████████                                                    | 128/195 [00:23<00:08,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 66%|███████████████████████████████████████████████████████████████████████████████████████████████████                                                    | 128/195 [00:23<00:08,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.20.input_layernorm.weight", shape: (4096,), dtype: float32

 66%|███████████████████████████████████████████████████████████████████████████████████████████████████                                                    | 128/195 [00:23<00:08,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 66%|███████████████████████████████████████████████████████████████████████████████████████████████████                                                    | 128/195 [00:24<00:08,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 66%|███████████████████████████████████████████████████████████████████████████████████████████████████                                                    | 128/195 [00:24<00:08,  7.65it/s]
 67%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                 | 131/195 [00:24<00:06,  9.27it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 67%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                 | 131/195 [00:24<00:06,  9.27it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 67%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                 | 131/195 [00:24<00:06,  9.27it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.20.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 67%|█████████████████████████████████████████████████████████████████████████████████████████████████████▍                                                 | 131/195 [00:24<00:06,  9.27it/s]
 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▉                                                | 133/195 [00:24<00:07,  7.96it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▉                                                | 133/195 [00:24<00:07,  7.96it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:58] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 68%|██████████████████████████████████████████████████████████████████████████████████████████████████████▉                                                | 133/195 [00:24<00:07,  7.96it/s]
 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊                                               | 134/195 [00:24<00:08,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊                                               | 134/195 [00:24<00:08,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊                                               | 134/195 [00:24<00:08,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.21.input_layernorm.weight", shape: (4096,), dtype: float32

 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊                                               | 134/195 [00:24<00:08,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊                                               | 134/195 [00:24<00:08,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 69%|███████████████████████████████████████████████████████████████████████████████████████████████████████▊                                               | 134/195 [00:24<00:08,  7.32it/s]
 70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████                                             | 137/195 [00:24<00:06,  9.04it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████                                             | 137/195 [00:25<00:06,  9.04it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 70%|██████████████████████████████████████████████████████████████████████████████████████████████████████████                                             | 137/195 [00:25<00:06,  9.04it/s]
 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:25<00:08,  6.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.21.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:25<00:08,  6.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:25<00:08,  6.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                            | 138/195 [00:25<00:08,  6.72it/s]
 72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                          | 140/195 [00:25<00:07,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                          | 140/195 [00:25<00:07,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                          | 140/195 [00:25<00:07,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.22.input_layernorm.weight", shape: (4096,), dtype: float32

 72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                          | 140/195 [00:25<00:07,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                          | 140/195 [00:25<00:07,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:50:59] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 72%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                          | 140/195 [00:25<00:07,  7.57it/s]
 73%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                        | 143/195 [00:25<00:05,  9.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 73%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                        | 143/195 [00:25<00:05,  9.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 73%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                        | 143/195 [00:25<00:05,  9.22it/s]
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:25<00:07,  6.83it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:00] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.22.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:25<00:07,  6.83it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:26<00:07,  6.83it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 144/195 [00:26<00:07,  6.83it/s]
 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                      | 146/195 [00:26<00:06,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                      | 146/195 [00:26<00:06,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                      | 146/195 [00:26<00:06,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:00] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.23.input_layernorm.weight", shape: (4096,), dtype: float32

 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                      | 146/195 [00:26<00:06,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                      | 146/195 [00:26<00:06,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:00] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                      | 146/195 [00:26<00:06,  7.65it/s]
 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                   | 149/195 [00:26<00:04,  9.23it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                   | 149/195 [00:26<00:04,  9.23it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 76%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                                   | 149/195 [00:26<00:04,  9.23it/s]
 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:26<00:06,  6.83it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.23.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:26<00:06,  6.83it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:26<00:06,  6.83it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 77%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                                  | 150/195 [00:26<00:06,  6.83it/s]
 78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                 | 152/195 [00:26<00:05,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                 | 152/195 [00:26<00:05,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                 | 152/195 [00:26<00:05,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.3.input_layernorm.weight", shape: (4096,), dtype: float32

 78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                 | 152/195 [00:26<00:05,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                 | 152/195 [00:27<00:05,  7.65it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                                 | 152/195 [00:27<00:05,  7.65it/s]
 79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                               | 155/195 [00:27<00:04,  9.27it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                               | 155/195 [00:27<00:04,  9.27it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                               | 155/195 [00:27<00:04,  9.27it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.3.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 79%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                               | 155/195 [00:27<00:04,  9.27it/s]
 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                             | 157/195 [00:27<00:04,  7.97it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:01] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                             | 157/195 [00:27<00:04,  7.97it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                             | 157/195 [00:27<00:04,  7.97it/s]
 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                            | 158/195 [00:27<00:05,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                            | 158/195 [00:27<00:05,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                            | 158/195 [00:27<00:05,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.4.input_layernorm.weight", shape: (4096,), dtype: float32

 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                            | 158/195 [00:27<00:05,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                            | 158/195 [00:27<00:05,  7.32it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 81%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                            | 158/195 [00:27<00:05,  7.32it/s]
 83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                          | 161/195 [00:27<00:03,  9.04it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                          | 161/195 [00:28<00:03,  9.04it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                          | 161/195 [00:28<00:03,  9.04it/s]
 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:28<00:04,  6.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.4.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:28<00:04,  6.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:28<00:04,  6.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 83%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                         | 162/195 [00:28<00:04,  6.72it/s]
 84%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                        | 164/195 [00:28<00:04,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 84%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                        | 164/195 [00:28<00:04,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 84%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                        | 164/195 [00:28<00:04,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.5.input_layernorm.weight", shape: (4096,), dtype: float32

 84%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                        | 164/195 [00:28<00:04,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 84%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                        | 164/195 [00:28<00:04,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:02] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 84%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                        | 164/195 [00:28<00:04,  7.57it/s]
 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                     | 167/195 [00:28<00:03,  9.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                     | 167/195 [00:28<00:03,  9.22it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 86%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                     | 167/195 [00:28<00:03,  9.22it/s]
 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:28<00:03,  6.83it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.5.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:28<00:03,  6.83it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:29<00:03,  6.83it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 86%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                     | 168/195 [00:29<00:03,  6.83it/s]
 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                   | 170/195 [00:29<00:03,  7.66it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                   | 170/195 [00:29<00:03,  7.66it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                   | 170/195 [00:29<00:03,  7.66it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:03] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.6.input_layernorm.weight", shape: (4096,), dtype: float32

 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                   | 170/195 [00:29<00:03,  7.66it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                   | 170/195 [00:29<00:03,  7.66it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:03] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 87%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                   | 170/195 [00:29<00:03,  7.66it/s]
 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                 | 173/195 [00:29<00:02,  9.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                 | 173/195 [00:29<00:02,  9.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                 | 173/195 [00:29<00:02,  9.28it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.6.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                 | 173/195 [00:29<00:02,  9.28it/s]
 90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌               | 175/195 [00:29<00:02,  7.98it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌               | 175/195 [00:29<00:02,  7.98it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌               | 175/195 [00:29<00:02,  7.98it/s]
 90%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎              | 176/195 [00:29<00:02,  7.33it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 90%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎              | 176/195 [00:30<00:02,  7.33it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 90%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎              | 176/195 [00:30<00:02,  7.33it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.7.input_layernorm.weight", shape: (4096,), dtype: float32

 90%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎              | 176/195 [00:30<00:02,  7.33it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 90%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎              | 176/195 [00:30<00:02,  7.33it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 90%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎              | 176/195 [00:30<00:02,  7.33it/s]
 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌            | 179/195 [00:30<00:01,  9.04it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌            | 179/195 [00:30<00:01,  9.04it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌            | 179/195 [00:30<00:01,  9.04it/s]
 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:30<00:02,  6.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.7.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:30<00:02,  6.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:30<00:02,  6.72it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍           | 180/195 [00:30<00:02,  6.72it/s]
 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉          | 182/195 [00:30<00:01,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉          | 182/195 [00:30<00:01,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉          | 182/195 [00:30<00:01,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.8.input_layernorm.weight", shape: (4096,), dtype: float32

 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉          | 182/195 [00:30<00:01,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉          | 182/195 [00:30<00:01,  7.57it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 93%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉          | 182/195 [00:30<00:01,  7.57it/s]
 95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎       | 185/195 [00:30<00:01,  9.21it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎       | 185/195 [00:31<00:01,  9.21it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 95%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎       | 185/195 [00:31<00:01,  9.21it/s]
 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:31<00:01,  6.82it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.8.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:31<00:01,  6.82it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:31<00:01,  6.82it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 95%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████       | 186/195 [00:31<00:01,  6.82it/s]
 96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌     | 188/195 [00:31<00:00,  7.63it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌     | 188/195 [00:31<00:00,  7.63it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌     | 188/195 [00:31<00:00,  7.63it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.9.input_layernorm.weight", shape: (4096,), dtype: float32

 96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌     | 188/195 [00:31<00:00,  7.63it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.mlp.down_proj.q_weight", shape: (4096, 1376), dtype: uint32

 96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌     | 188/195 [00:31<00:00,  7.63it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.mlp.down_proj.q_scale", shape: (4096, 344), dtype: float32

 96%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌     | 188/195 [00:31<00:00,  7.63it/s]
 98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉   | 191/195 [00:31<00:00,  9.24it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.mlp.gate_up_proj.q_weight", shape: (22016, 512), dtype: uint32

 98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉   | 191/195 [00:32<00:00,  9.24it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.mlp.gate_up_proj.q_scale", shape: (22016, 128), dtype: float32

 98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉   | 191/195 [00:32<00:00,  9.24it/s]
 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋  | 192/195 [00:32<00:00,  6.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.9.post_attention_layernorm.weight", shape: (4096,), dtype: float32

 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋  | 192/195 [00:32<00:00,  6.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.self_attn.qkv_proj.q_weight", shape: (12288, 512), dtype: uint32

 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋  | 192/195 [00:32<00:00,  6.84it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.self_attn.qkv_proj.q_scale", shape: (12288, 128), dtype: float32

 98%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋  | 192/195 [00:32<00:00,  6.84it/s]
 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏| 194/195 [00:32<00:00,  7.66it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32

 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏| 194/195 [00:32<00:00,  7.66it/s]
                                                                                                                                                                                              
[2023-12-17 14:51:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float32

 99%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏| 194/195 [00:32<00:00,  7.66it/s]
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 195/195 [00:32<00:00,  6.04it/s]
[2023-12-17 14:51:06] INFO huggingface_loader.py:179: Unloading HF weight file: /models/Llama-2-7b-chat-hf/pytorch_model-00001-of-00002.bin
[2023-12-17 14:51:06] INFO stats.py:71: Time usage: HF loading: 5.233 sec; Pre-quantization mapping: 21.910 sec; Quantization: 2.236 sec
[2023-12-17 14:51:06] INFO stats.py:85: RAM usage: Peak RAM: 9.291 GB. Total bytes loaded from disk: 12.551 GB
[2023-12-17 14:51:06] INFO convert_weight.py:109: Parameter size after quantization: 3.923 GB
[2023-12-17 14:51:06] INFO convert_weight.py:114: Total parameters: 6,738,415,616
[2023-12-17 14:51:06] INFO convert_weight.py:115: Bits per parameter: 5.001
Start storing to cache /tmp/tmplskg415n


[0001/0325] saving lm_head.q_weight
                                   
[0002/0325] saving lm_head.q_scale
                                   
[0003/0325] saving model.layers.24.input_layernorm.weight
                                                         
[0004/0325] saving model.layers.24.mlp.down_proj.q_weight
                                                         
[0005/0325] saving model.layers.24.mlp.down_proj.q_scale
                                                         
[0006/0325] saving model.layers.24.mlp.gate_up_proj.q_weight
                                                            
[0007/0325] saving model.layers.24.mlp.gate_up_proj.q_scale
                                                            
[0008/0325] saving model.layers.24.post_attention_layernorm.weight
                                                                  
[0009/0325] saving model.layers.24.self_attn.qkv_proj.q_weight
                                                                  
[0010/0325] saving model.layers.24.self_attn.qkv_proj.q_scale
                                                                  
[0011/0325] saving model.layers.24.self_attn.o_proj.q_weight
                                                                  
[0012/0325] saving model.layers.24.self_attn.o_proj.q_scale
                                                                  
[0013/0325] saving model.layers.25.input_layernorm.weight
                                                                  
[0014/0325] saving model.layers.25.mlp.down_proj.q_weight
                                                                  
[0015/0325] saving model.layers.25.mlp.down_proj.q_scale
                                                                  
[0016/0325] saving model.layers.25.mlp.gate_up_proj.q_weight
                                                                  
[0017/0325] saving model.layers.25.mlp.gate_up_proj.q_scale
                                                                  
[0018/0325] saving model.layers.25.post_attention_layernorm.weight
                                                                  
[0019/0325] saving model.layers.25.self_attn.qkv_proj.q_weight
                                                                  
[0020/0325] saving model.layers.25.self_attn.qkv_proj.q_scale
                                                                  
[0021/0325] saving model.layers.25.self_attn.o_proj.q_weight
                                                                  
[0022/0325] saving model.layers.25.self_attn.o_proj.q_scale
                                                                  
[0023/0325] saving model.layers.26.input_layernorm.weight
                                                                  
[0024/0325] saving model.layers.26.mlp.down_proj.q_weight
                                                                  
[0025/0325] saving model.layers.26.mlp.down_proj.q_scale
                                                                  
[0026/0325] saving model.layers.26.mlp.gate_up_proj.q_weight
                                                                  
[0027/0325] saving model.layers.26.mlp.gate_up_proj.q_scale
                                                                  
[0028/0325] saving model.layers.26.post_attention_layernorm.weight
                                                                  
[0029/0325] saving model.layers.26.self_attn.qkv_proj.q_weight
                                                                  
[0030/0325] saving model.layers.26.self_attn.qkv_proj.q_scale
                                                                  
[0031/0325] saving model.layers.26.self_attn.o_proj.q_weight
                                                                  
[0032/0325] saving model.layers.26.self_attn.o_proj.q_scale
                                                                  
[0033/0325] saving model.layers.27.input_layernorm.weight
                                                                  
[0034/0325] saving model.layers.27.mlp.down_proj.q_weight
                                                                  
[0035/0325] saving model.layers.27.mlp.down_proj.q_scale
                                                                  
[0036/0325] saving model.layers.27.mlp.gate_up_proj.q_weight
                                                                  
[0037/0325] saving model.layers.27.mlp.gate_up_proj.q_scale
                                                                  
[0038/0325] saving model.layers.27.post_attention_layernorm.weight
                                                                  
[0039/0325] saving model.layers.27.self_attn.qkv_proj.q_weight
                                                                  
[0040/0325] saving model.layers.27.self_attn.qkv_proj.q_scale
                                                                  
[0041/0325] saving model.layers.27.self_attn.o_proj.q_weight
                                                                  
[0042/0325] saving model.layers.27.self_attn.o_proj.q_scale
                                                                  
[0043/0325] saving model.layers.28.input_layernorm.weight
                                                                  
[0044/0325] saving model.layers.28.mlp.down_proj.q_weight
                                                                  
[0045/0325] saving model.layers.28.mlp.down_proj.q_scale
                                                                  
[0046/0325] saving model.layers.28.mlp.gate_up_proj.q_weight
                                                                  
[0047/0325] saving model.layers.28.mlp.gate_up_proj.q_scale
                                                                  
[0048/0325] saving model.layers.28.post_attention_layernorm.weight
                                                                  
[0049/0325] saving model.layers.28.self_attn.qkv_proj.q_weight
                                                                  
[0050/0325] saving model.layers.28.self_attn.qkv_proj.q_scale
                                                                  
[0051/0325] saving model.layers.28.self_attn.o_proj.q_weight
                                                                  
[0052/0325] saving model.layers.28.self_attn.o_proj.q_scale
                                                                  
[0053/0325] saving model.layers.29.input_layernorm.weight
                                                                  
[0054/0325] saving model.layers.29.mlp.down_proj.q_weight
                                                                  
[0055/0325] saving model.layers.29.mlp.down_proj.q_scale
                                                                  
[0056/0325] saving model.layers.29.mlp.gate_up_proj.q_weight
                                                                  
[0057/0325] saving model.layers.29.mlp.gate_up_proj.q_scale
                                                                  
[0058/0325] saving model.layers.29.post_attention_layernorm.weight
                                                                  
[0059/0325] saving model.layers.29.self_attn.qkv_proj.q_weight
                                                                  
[0060/0325] saving model.layers.29.self_attn.qkv_proj.q_scale
                                                                  
[0061/0325] saving model.layers.29.self_attn.o_proj.q_weight
                                                                  
[0062/0325] saving model.layers.29.self_attn.o_proj.q_scale
                                                                  
[0063/0325] saving model.layers.30.input_layernorm.weight
                                                                  
[0064/0325] saving model.layers.30.mlp.down_proj.q_weight
                                                                  
[0065/0325] saving model.layers.30.mlp.down_proj.q_scale
                                                                  
[0066/0325] saving model.layers.30.mlp.gate_up_proj.q_weight
                                                                  
[0067/0325] saving model.layers.30.mlp.gate_up_proj.q_scale
                                                                  
[0068/0325] saving model.layers.30.post_attention_layernorm.weight
                                                                  
[0069/0325] saving model.layers.30.self_attn.qkv_proj.q_weight
                                                                  
[0070/0325] saving model.layers.30.self_attn.qkv_proj.q_scale
                                                                  
[0071/0325] saving model.layers.30.self_attn.o_proj.q_weight
                                                                  
[0072/0325] saving model.layers.30.self_attn.o_proj.q_scale
                                                                  
[0073/0325] saving model.layers.31.input_layernorm.weight
                                                                  
[0074/0325] saving model.layers.31.mlp.down_proj.q_weight
                                                                  
[0075/0325] saving model.layers.31.mlp.down_proj.q_scale
                                                                  
[0076/0325] saving model.layers.31.mlp.gate_up_proj.q_weight
                                                                  
[0077/0325] saving model.layers.31.mlp.gate_up_proj.q_scale
                                                                  
[0078/0325] saving model.layers.31.post_attention_layernorm.weight
                                                                  
[0079/0325] saving model.layers.31.self_attn.qkv_proj.q_weight
                                                                  
[0080/0325] saving model.layers.31.self_attn.qkv_proj.q_scale
                                                                  
[0081/0325] saving model.layers.31.self_attn.o_proj.q_weight
                                                                  
[0082/0325] saving model.layers.31.self_attn.o_proj.q_scale
                                                                  
[0083/0325] saving model.norm.weight
                                                                  
[0084/0325] saving model.embed_tokens.q_weight
                                                                  
[0085/0325] saving model.embed_tokens.q_scale
                                                                  
[0086/0325] saving model.layers.0.input_layernorm.weight
                                                                  
[0087/0325] saving model.layers.0.mlp.down_proj.q_weight
                                                                  
[0088/0325] saving model.layers.0.mlp.down_proj.q_scale
                                                                  
[0089/0325] saving model.layers.0.mlp.gate_up_proj.q_weight
                                                                  
[0090/0325] saving model.layers.0.mlp.gate_up_proj.q_scale
                                                                  
[0091/0325] saving model.layers.0.post_attention_layernorm.weight
                                                                  
[0092/0325] saving model.layers.0.self_attn.qkv_proj.q_weight
                                                                  
[0093/0325] saving model.layers.0.self_attn.qkv_proj.q_scale
                                                                  
[0094/0325] saving model.layers.0.self_attn.o_proj.q_weight
                                                                  
[0095/0325] saving model.layers.0.self_attn.o_proj.q_scale
                                                                  
[0096/0325] saving model.layers.1.input_layernorm.weight
                                                                  
[0097/0325] saving model.layers.1.mlp.down_proj.q_weight
                                                                  
[0098/0325] saving model.layers.1.mlp.down_proj.q_scale
                                                                  
[0099/0325] saving model.layers.1.mlp.gate_up_proj.q_weight
                                                                  
[0100/0325] saving model.layers.1.mlp.gate_up_proj.q_scale
                                                                  
[0101/0325] saving model.layers.1.post_attention_layernorm.weight
                                                                  
[0102/0325] saving model.layers.1.self_attn.qkv_proj.q_weight
                                                                  
[0103/0325] saving model.layers.1.self_attn.qkv_proj.q_scale
                                                                  
[0104/0325] saving model.layers.1.self_attn.o_proj.q_weight
                                                                  
[0105/0325] saving model.layers.1.self_attn.o_proj.q_scale
                                                                  
[0106/0325] saving model.layers.10.input_layernorm.weight
                                                                  
[0107/0325] saving model.layers.10.mlp.down_proj.q_weight
                                                                  
[0108/0325] saving model.layers.10.mlp.down_proj.q_scale
                                                                  
[0109/0325] saving model.layers.10.mlp.gate_up_proj.q_weight
                                                                  
[0110/0325] saving model.layers.10.mlp.gate_up_proj.q_scale
                                                                  
[0111/0325] saving model.layers.10.post_attention_layernorm.weight
                                                                  
[0112/0325] saving model.layers.10.self_attn.qkv_proj.q_weight
                                                                  
[0113/0325] saving model.layers.10.self_attn.qkv_proj.q_scale
                                                                  
[0114/0325] saving model.layers.10.self_attn.o_proj.q_weight
                                                                  
[0115/0325] saving model.layers.10.self_attn.o_proj.q_scale
                                                                  
[0116/0325] saving model.layers.11.input_layernorm.weight
                                                                  
[0117/0325] saving model.layers.11.mlp.down_proj.q_weight
                                                                  
[0118/0325] saving model.layers.11.mlp.down_proj.q_scale
                                                                  
[0119/0325] saving model.layers.11.mlp.gate_up_proj.q_weight
                                                                  
[0120/0325] saving model.layers.11.mlp.gate_up_proj.q_scale
                                                                  
[0121/0325] saving model.layers.11.post_attention_layernorm.weight
                                                                  
[0122/0325] saving model.layers.11.self_attn.qkv_proj.q_weight
                                                                  
[0123/0325] saving model.layers.11.self_attn.qkv_proj.q_scale
                                                                  
[0124/0325] saving model.layers.11.self_attn.o_proj.q_weight
                                                                  
[0125/0325] saving model.layers.11.self_attn.o_proj.q_scale
                                                                  
[0126/0325] saving model.layers.12.input_layernorm.weight
                                                                  
[0127/0325] saving model.layers.12.mlp.down_proj.q_weight
                                                                  
[0128/0325] saving model.layers.12.mlp.down_proj.q_scale
                                                                  
[0129/0325] saving model.layers.12.mlp.gate_up_proj.q_weight
                                                                  
[0130/0325] saving model.layers.12.mlp.gate_up_proj.q_scale
                                                                  
[0131/0325] saving model.layers.12.post_attention_layernorm.weight
                                                                  
[0132/0325] saving model.layers.12.self_attn.qkv_proj.q_weight
                                                                  
[0133/0325] saving model.layers.12.self_attn.qkv_proj.q_scale
                                                                  
[0134/0325] saving model.layers.12.self_attn.o_proj.q_weight
                                                                  
[0135/0325] saving model.layers.12.self_attn.o_proj.q_scale
                                                                  
[0136/0325] saving model.layers.13.input_layernorm.weight
                                                                  
[0137/0325] saving model.layers.13.mlp.down_proj.q_weight
                                                                  
[0138/0325] saving model.layers.13.mlp.down_proj.q_scale
                                                                  
[0139/0325] saving model.layers.13.mlp.gate_up_proj.q_weight
                                                                  
[0140/0325] saving model.layers.13.mlp.gate_up_proj.q_scale
                                                                  
[0141/0325] saving model.layers.13.post_attention_layernorm.weight
                                                                  
[0142/0325] saving model.layers.13.self_attn.qkv_proj.q_weight
                                                                  
[0143/0325] saving model.layers.13.self_attn.qkv_proj.q_scale
                                                                  
[0144/0325] saving model.layers.13.self_attn.o_proj.q_weight
                                                                  
[0145/0325] saving model.layers.13.self_attn.o_proj.q_scale
                                                                  
[0146/0325] saving model.layers.14.input_layernorm.weight
                                                                  
[0147/0325] saving model.layers.14.mlp.down_proj.q_weight
                                                                  
[0148/0325] saving model.layers.14.mlp.down_proj.q_scale
                                                                  
[0149/0325] saving model.layers.14.mlp.gate_up_proj.q_weight
                                                                  
[0150/0325] saving model.layers.14.mlp.gate_up_proj.q_scale
                                                                  
[0151/0325] saving model.layers.14.post_attention_layernorm.weight
                                                                  
[0152/0325] saving model.layers.14.self_attn.qkv_proj.q_weight
                                                                  
[0153/0325] saving model.layers.14.self_attn.qkv_proj.q_scale
                                                                  
[0154/0325] saving model.layers.14.self_attn.o_proj.q_weight
                                                                  
[0155/0325] saving model.layers.14.self_attn.o_proj.q_scale
                                                                  
[0156/0325] saving model.layers.15.input_layernorm.weight
                                                                  
[0157/0325] saving model.layers.15.mlp.down_proj.q_weight
                                                                  
[0158/0325] saving model.layers.15.mlp.down_proj.q_scale
                                                                  
[0159/0325] saving model.layers.15.mlp.gate_up_proj.q_weight
                                                                  
[0160/0325] saving model.layers.15.mlp.gate_up_proj.q_scale
                                                                  
[0161/0325] saving model.layers.15.post_attention_layernorm.weight
                                                                  
[0162/0325] saving model.layers.15.self_attn.qkv_proj.q_weight
                                                                  
[0163/0325] saving model.layers.15.self_attn.qkv_proj.q_scale
                                                                  
[0164/0325] saving model.layers.15.self_attn.o_proj.q_weight
                                                                  
[0165/0325] saving model.layers.15.self_attn.o_proj.q_scale
                                                                  
[0166/0325] saving model.layers.16.input_layernorm.weight
                                                                  
[0167/0325] saving model.layers.16.mlp.down_proj.q_weight
                                                                  
[0168/0325] saving model.layers.16.mlp.down_proj.q_scale
                                                                  
[0169/0325] saving model.layers.16.mlp.gate_up_proj.q_weight
                                                                  
[0170/0325] saving model.layers.16.mlp.gate_up_proj.q_scale
                                                                  
[0171/0325] saving model.layers.16.post_attention_layernorm.weight
                                                                  
[0172/0325] saving model.layers.16.self_attn.qkv_proj.q_weight
                                                                  
[0173/0325] saving model.layers.16.self_attn.qkv_proj.q_scale
                                                                  
[0174/0325] saving model.layers.16.self_attn.o_proj.q_weight
                                                                  
[0175/0325] saving model.layers.16.self_attn.o_proj.q_scale
                                                                  
[0176/0325] saving model.layers.17.input_layernorm.weight
                                                                  
[0177/0325] saving model.layers.17.mlp.down_proj.q_weight
                                                                  
[0178/0325] saving model.layers.17.mlp.down_proj.q_scale
                                                                  
[0179/0325] saving model.layers.17.mlp.gate_up_proj.q_weight
                                                                  
[0180/0325] saving model.layers.17.mlp.gate_up_proj.q_scale
                                                                  
[0181/0325] saving model.layers.17.post_attention_layernorm.weight
                                                                  
[0182/0325] saving model.layers.17.self_attn.qkv_proj.q_weight
                                                                  
[0183/0325] saving model.layers.17.self_attn.qkv_proj.q_scale
                                                                  
[0184/0325] saving model.layers.17.self_attn.o_proj.q_weight
                                                                  
[0185/0325] saving model.layers.17.self_attn.o_proj.q_scale
                                                                  
[0186/0325] saving model.layers.18.input_layernorm.weight
                                                                  
[0187/0325] saving model.layers.18.mlp.down_proj.q_weight
                                                                  
[0188/0325] saving model.layers.18.mlp.down_proj.q_scale
                                                                  
[0189/0325] saving model.layers.18.mlp.gate_up_proj.q_weight
                                                                  
[0190/0325] saving model.layers.18.mlp.gate_up_proj.q_scale
                                                                  
[0191/0325] saving model.layers.18.post_attention_layernorm.weight
                                                                  
[0192/0325] saving model.layers.18.self_attn.qkv_proj.q_weight
                                                                  
[0193/0325] saving model.layers.18.self_attn.qkv_proj.q_scale
                                                                  
[0194/0325] saving model.layers.18.self_attn.o_proj.q_weight
                                                                  
[0195/0325] saving model.layers.18.self_attn.o_proj.q_scale
                                                                  
[0196/0325] saving model.layers.19.input_layernorm.weight
                                                                  
[0197/0325] saving model.layers.19.mlp.down_proj.q_weight
                                                                  
[0198/0325] saving model.layers.19.mlp.down_proj.q_scale
                                                                  
[0199/0325] saving model.layers.19.mlp.gate_up_proj.q_weight
                                                                  
[0200/0325] saving model.layers.19.mlp.gate_up_proj.q_scale
                                                                  
[0201/0325] saving model.layers.19.post_attention_layernorm.weight
                                                                  
[0202/0325] saving model.layers.19.self_attn.qkv_proj.q_weight
                                                                  
[0203/0325] saving model.layers.19.self_attn.qkv_proj.q_scale
                                                                  
[0204/0325] saving model.layers.19.self_attn.o_proj.q_weight
                                                                  
[0205/0325] saving model.layers.19.self_attn.o_proj.q_scale
                                                                  
[0206/0325] saving model.layers.2.input_layernorm.weight
                                                                  
[0207/0325] saving model.layers.2.mlp.down_proj.q_weight
                                                                  
[0208/0325] saving model.layers.2.mlp.down_proj.q_scale
                                                                  
[0209/0325] saving model.layers.2.mlp.gate_up_proj.q_weight
                                                                  
[0210/0325] saving model.layers.2.mlp.gate_up_proj.q_scale
                                                                  
[0211/0325] saving model.layers.2.post_attention_layernorm.weight
                                                                  
[0212/0325] saving model.layers.2.self_attn.qkv_proj.q_weight
                                                                  
[0213/0325] saving model.layers.2.self_attn.qkv_proj.q_scale
                                                                  
[0214/0325] saving model.layers.2.self_attn.o_proj.q_weight
                                                                  
[0215/0325] saving model.layers.2.self_attn.o_proj.q_scale
                                                                  
[0216/0325] saving model.layers.20.input_layernorm.weight
                                                                  
[0217/0325] saving model.layers.20.mlp.down_proj.q_weight
                                                                  
[0218/0325] saving model.layers.20.mlp.down_proj.q_scale
                                                                  
[0219/0325] saving model.layers.20.mlp.gate_up_proj.q_weight
                                                                  
[0220/0325] saving model.layers.20.mlp.gate_up_proj.q_scale
                                                                  
[0221/0325] saving model.layers.20.post_attention_layernorm.weight
                                                                  
[0222/0325] saving model.layers.20.self_attn.qkv_proj.q_weight
                                                                  
[0223/0325] saving model.layers.20.self_attn.qkv_proj.q_scale
                                                                  
[0224/0325] saving model.layers.20.self_attn.o_proj.q_weight
                                                                  
[0225/0325] saving model.layers.20.self_attn.o_proj.q_scale
                                                                  
[0226/0325] saving model.layers.21.input_layernorm.weight
                                                                  
[0227/0325] saving model.layers.21.mlp.down_proj.q_weight
                                                                  
[0228/0325] saving model.layers.21.mlp.down_proj.q_scale
                                                                  
[0229/0325] saving model.layers.21.mlp.gate_up_proj.q_weight
                                                                  
[0230/0325] saving model.layers.21.mlp.gate_up_proj.q_scale
                                                                  
[0231/0325] saving model.layers.21.post_attention_layernorm.weight
                                                                  
[0232/0325] saving model.layers.21.self_attn.qkv_proj.q_weight
                                                                  
[0233/0325] saving model.layers.21.self_attn.qkv_proj.q_scale
                                                                  
[0234/0325] saving model.layers.21.self_attn.o_proj.q_weight
                                                                  
[0235/0325] saving model.layers.21.self_attn.o_proj.q_scale
                                                                  
[0236/0325] saving model.layers.22.input_layernorm.weight
                                                                  
[0237/0325] saving model.layers.22.mlp.down_proj.q_weight
                                                                  
[0238/0325] saving model.layers.22.mlp.down_proj.q_scale
                                                                  
[0239/0325] saving model.layers.22.mlp.gate_up_proj.q_weight
                                                                  
[0240/0325] saving model.layers.22.mlp.gate_up_proj.q_scale
                                                                  
[0241/0325] saving model.layers.22.post_attention_layernorm.weight
                                                                  
[0242/0325] saving model.layers.22.self_attn.qkv_proj.q_weight
                                                                  
[0243/0325] saving model.layers.22.self_attn.qkv_proj.q_scale
                                                                  
[0244/0325] saving model.layers.22.self_attn.o_proj.q_weight
                                                                  
[0245/0325] saving model.layers.22.self_attn.o_proj.q_scale
                                                                  
[0246/0325] saving model.layers.23.input_layernorm.weight
                                                                  
[0247/0325] saving model.layers.23.mlp.down_proj.q_weight
                                                                  
[0248/0325] saving model.layers.23.mlp.down_proj.q_scale
                                                                  
[0249/0325] saving model.layers.23.mlp.gate_up_proj.q_weight
                                                                  
[0250/0325] saving model.layers.23.mlp.gate_up_proj.q_scale
                                                                  
[0251/0325] saving model.layers.23.post_attention_layernorm.weight
                                                                  
[0252/0325] saving model.layers.23.self_attn.qkv_proj.q_weight
                                                                  
[0253/0325] saving model.layers.23.self_attn.qkv_proj.q_scale
                                                                  
[0254/0325] saving model.layers.23.self_attn.o_proj.q_weight
                                                                  
[0255/0325] saving model.layers.23.self_attn.o_proj.q_scale
                                                                  
[0256/0325] saving model.layers.3.input_layernorm.weight
                                                                  
[0257/0325] saving model.layers.3.mlp.down_proj.q_weight
                                                                  
[0258/0325] saving model.layers.3.mlp.down_proj.q_scale
                                                                  
[0259/0325] saving model.layers.3.mlp.gate_up_proj.q_weight
                                                                  
[0260/0325] saving model.layers.3.mlp.gate_up_proj.q_scale
                                                                  
[0261/0325] saving model.layers.3.post_attention_layernorm.weight
                                                                  
[0262/0325] saving model.layers.3.self_attn.qkv_proj.q_weight
                                                                  
[0263/0325] saving model.layers.3.self_attn.qkv_proj.q_scale
                                                                  
[0264/0325] saving model.layers.3.self_attn.o_proj.q_weight
                                                                  
[0265/0325] saving model.layers.3.self_attn.o_proj.q_scale
                                                                  
[0266/0325] saving model.layers.4.input_layernorm.weight
                                                                  
[0267/0325] saving model.layers.4.mlp.down_proj.q_weight
                                                                  
[0268/0325] saving model.layers.4.mlp.down_proj.q_scale
                                                                  
[0269/0325] saving model.layers.4.mlp.gate_up_proj.q_weight
                                                                  
[0270/0325] saving model.layers.4.mlp.gate_up_proj.q_scale
                                                                  
[0271/0325] saving model.layers.4.post_attention_layernorm.weight
                                                                  
[0272/0325] saving model.layers.4.self_attn.qkv_proj.q_weight
                                                                  
[0273/0325] saving model.layers.4.self_attn.qkv_proj.q_scale
                                                                  
[0274/0325] saving model.layers.4.self_attn.o_proj.q_weight
                                                                  
[0275/0325] saving model.layers.4.self_attn.o_proj.q_scale
                                                                  
[0276/0325] saving model.layers.5.input_layernorm.weight
                                                                  
[0277/0325] saving model.layers.5.mlp.down_proj.q_weight
                                                                  
[0278/0325] saving model.layers.5.mlp.down_proj.q_scale
                                                                  
[0279/0325] saving model.layers.5.mlp.gate_up_proj.q_weight
                                                                  
[0280/0325] saving model.layers.5.mlp.gate_up_proj.q_scale
                                                                  
[0281/0325] saving model.layers.5.post_attention_layernorm.weight
                                                                  
[0282/0325] saving model.layers.5.self_attn.qkv_proj.q_weight
                                                                  
[0283/0325] saving model.layers.5.self_attn.qkv_proj.q_scale
                                                                  
[0284/0325] saving model.layers.5.self_attn.o_proj.q_weight
                                                                  
[0285/0325] saving model.layers.5.self_attn.o_proj.q_scale
                                                                  
[0286/0325] saving model.layers.6.input_layernorm.weight
                                                                  
[0287/0325] saving model.layers.6.mlp.down_proj.q_weight
                                                                  
[0288/0325] saving model.layers.6.mlp.down_proj.q_scale
                                                                  
[0289/0325] saving model.layers.6.mlp.gate_up_proj.q_weight
                                                                  
[0290/0325] saving model.layers.6.mlp.gate_up_proj.q_scale
                                                                  
[0291/0325] saving model.layers.6.post_attention_layernorm.weight
                                                                  
[0292/0325] saving model.layers.6.self_attn.qkv_proj.q_weight
                                                                  
[0293/0325] saving model.layers.6.self_attn.qkv_proj.q_scale
                                                                  
[0294/0325] saving model.layers.6.self_attn.o_proj.q_weight
                                                                  
[0295/0325] saving model.layers.6.self_attn.o_proj.q_scale
                                                                  
[0296/0325] saving model.layers.7.input_layernorm.weight
                                                                  
[0297/0325] saving model.layers.7.mlp.down_proj.q_weight
                                                                  
[0298/0325] saving model.layers.7.mlp.down_proj.q_scale
                                                                  
[0299/0325] saving model.layers.7.mlp.gate_up_proj.q_weight
                                                                  
[0300/0325] saving model.layers.7.mlp.gate_up_proj.q_scale
                                                                  
[0301/0325] saving model.layers.7.post_attention_layernorm.weight
                                                                  
[0302/0325] saving model.layers.7.self_attn.qkv_proj.q_weight
                                                                  
[0303/0325] saving model.layers.7.self_attn.qkv_proj.q_scale
                                                                  
[0304/0325] saving model.layers.7.self_attn.o_proj.q_weight
                                                                  
[0305/0325] saving model.layers.7.self_attn.o_proj.q_scale
                                                                  
[0306/0325] saving model.layers.8.input_layernorm.weight
                                                                  
[0307/0325] saving model.layers.8.mlp.down_proj.q_weight
                                                                  
[0308/0325] saving model.layers.8.mlp.down_proj.q_scale
                                                                  
[0309/0325] saving model.layers.8.mlp.gate_up_proj.q_weight
                                                                  
[0310/0325] saving model.layers.8.mlp.gate_up_proj.q_scale
                                                                  
[0311/0325] saving model.layers.8.post_attention_layernorm.weight
                                                                  
[0312/0325] saving model.layers.8.self_attn.qkv_proj.q_weight
                                                                  
[0313/0325] saving model.layers.8.self_attn.qkv_proj.q_scale
                                                                  
[0314/0325] saving model.layers.8.self_attn.o_proj.q_weight
                                                                  
[0315/0325] saving model.layers.8.self_attn.o_proj.q_scale
                                                                  
[0316/0325] saving model.layers.9.input_layernorm.weight
                                                                  
[0317/0325] saving model.layers.9.mlp.down_proj.q_weight
                                                                  
[0318/0325] saving model.layers.9.mlp.down_proj.q_scale
                                                                  
[0319/0325] saving model.layers.9.mlp.gate_up_proj.q_weight
                                                                  
[0320/0325] saving model.layers.9.mlp.gate_up_proj.q_scale
                                                                  
[0321/0325] saving model.layers.9.post_attention_layernorm.weight[2023-12-17 14:51:16] INFO convert_weight.py:131: Saved to directory: /tmp/tmplskg415n

                                                                  
[0322/0325] saving model.layers.9.self_attn.qkv_proj.q_weight
                                                                  
[0323/0325] saving model.layers.9.self_attn.qkv_proj.q_scale
                                                                  
[0324/0325] saving model.layers.9.self_attn.o_proj.q_weight
                                                                  
[0325/0325] saving model.layers.9.self_attn.o_proj.q_scale
All finished, 132 total shards committed, record saved to /tmp/tmplskg415n/ndarray-cache.json