diff --git "a/logs.txt" "b/logs.txt"
new file mode 100644--- /dev/null
+++ "b/logs.txt"
@@ -0,0 +1,396 @@
+python -m mlc_chat gen_config /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B --quantization q4f16_1 --conv-template open_hermes_mistral --output /tmp/tmp_go5n9_8
+[2023-12-17 15:49:41] INFO auto_config.py:116: Found model configuration: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/config.json
+[2023-12-17 15:49:41] INFO auto_config.py:155: Found model type: mistral. Use `--model-type` to override.
+[2023-12-17 15:49:41] INFO mistral_model.py:45: context_window_size not found in config.json. Falling back to max_position_embeddings (32768)
+[2023-12-17 15:49:41] INFO mistral_model.py:76: Using sliding window attention, setting context_window_size to -1
+[2023-12-17 15:49:41] INFO gen_config.py:114: [generation_config.json] Setting bos_token_id: 1
+[2023-12-17 15:49:41] INFO gen_config.py:114: [generation_config.json] Setting eos_token_id: 32000
+[2023-12-17 15:49:41] INFO gen_config.py:126: Found tokenizer config: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/tokenizer.model. Copying to /tmp/tmp_go5n9_8/tokenizer.model
+[2023-12-17 15:49:41] INFO gen_config.py:128: Not found tokenizer config: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/tokenizer.json
+[2023-12-17 15:49:41] INFO gen_config.py:128: Not found tokenizer config: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/vocab.json
+[2023-12-17 15:49:41] INFO gen_config.py:128: Not found tokenizer config: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/merges.txt
+[2023-12-17 15:49:41] INFO gen_config.py:126: Found tokenizer config: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/added_tokens.json. Copying to /tmp/tmp_go5n9_8/added_tokens.json
+[2023-12-17 15:49:41] INFO gen_config.py:126: Found tokenizer config: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/tokenizer_config.json. Copying to /tmp/tmp_go5n9_8/tokenizer_config.json
+[2023-12-17 15:49:41] INFO gen_config.py:134: The model has `tokenizer.model` but not `tokenizer.json`. It is always recommended to prefer JSON instead. Attempting to convert using HuggingFace transformers library
+Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
+Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
+[2023-12-17 15:49:43] INFO gen_config.py:148: Succesfully converted `tokenizer.model` to: /tmp/tmp_go5n9_8/tokenizer.json
+[2023-12-17 15:49:43] INFO gen_config.py:68: [System default] Setting pad_token_id: 0
+[2023-12-17 15:49:43] INFO gen_config.py:68: [System default] Setting temperature: 0.7
+[2023-12-17 15:49:43] INFO gen_config.py:68: [System default] Setting repetition_penalty: 1.0
+[2023-12-17 15:49:43] INFO gen_config.py:68: [System default] Setting top_p: 0.95
+[2023-12-17 15:49:43] INFO gen_config.py:68: [System default] Setting mean_gen_len: 128
+[2023-12-17 15:49:43] INFO gen_config.py:68: [System default] Setting max_gen_len: 512
+[2023-12-17 15:49:43] INFO gen_config.py:68: [System default] Setting shift_fill_factor: 0.3
+[2023-12-17 15:49:43] INFO gen_config.py:156: Dumping configuration file to: /tmp/tmp_go5n9_8/mlc-chat-config.json
+python -m mlc_chat convert_weight /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B --quantization q4f16_1 --source-format auto --output /tmp/tmp_go5n9_8
+[2023-12-17 15:49:44] INFO auto_config.py:116: Found model configuration: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/config.json
+[2023-12-17 15:49:44] INFO auto_device.py:75: Found device: cuda:0
+[2023-12-17 15:49:44] INFO auto_device.py:75: Found device: cuda:1
+[2023-12-17 15:49:45] INFO auto_device.py:84: Not found device: rocm:0
+[2023-12-17 15:49:45] INFO auto_device.py:84: Not found device: metal:0
+[2023-12-17 15:49:45] INFO auto_device.py:75: Found device: vulkan:0
+[2023-12-17 15:49:45] INFO auto_device.py:75: Found device: vulkan:1
+[2023-12-17 15:49:45] INFO auto_device.py:75: Found device: vulkan:2
+[2023-12-17 15:49:46] INFO auto_device.py:84: Not found device: opencl:0
+[2023-12-17 15:49:46] INFO auto_device.py:33: Using device: cuda:0
+[2023-12-17 15:49:46] INFO auto_weight.py:70: Finding weights in: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B
+[2023-12-17 15:49:46] INFO auto_weight.py:120: Found source weight format: huggingface-torch. Source configuration: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/pytorch_model.bin.index.json
+[2023-12-17 15:49:46] INFO auto_weight.py:149: Not found Huggingface Safetensor
+[2023-12-17 15:49:46] INFO auto_weight.py:106: Using source weight configuration: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/pytorch_model.bin.index.json. Use `--source` to override.
+[2023-12-17 15:49:46] INFO auto_weight.py:110: Using source weight format: huggingface-torch. Use `--source-format` to override.
+[2023-12-17 15:49:46] INFO auto_config.py:155: Found model type: mistral. Use `--model-type` to override.
+[2023-12-17 15:49:46] INFO mistral_model.py:45: context_window_size not found in config.json. Falling back to max_position_embeddings (32768)
+[2023-12-17 15:49:46] INFO mistral_model.py:76: Using sliding window attention, setting context_window_size to -1
+Weight conversion with arguments:
+  --config          /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/config.json
+  --quantization    GroupQuantize(name='q4f16_1', kind='group-quant', group_size=32, quantize_dtype='int4', storage_dtype='uint32', model_dtype='float16', num_elem_per_storage=8, num_storage_per_group=4, max_int_value=7)
+  --model-type      mistral
+  --device          cuda:0
+  --source          /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/pytorch_model.bin.index.json
+  --source-format   huggingface-torch
+  --output          /tmp/tmp_go5n9_8
+
  0%|                                                                                                                                                           | 0/195 [00:00<?, ?it/s]
                                                                                                                                                                                        
[2023-12-17 15:49:51] INFO huggingface_loader.py:169: Loading HF parameters from: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/pytorch_model-00002-of-00002.bin
+
  0%|                                                                                                                                                           | 0/195 [00:00<?, ?it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:01] INFO group_quantization.py:199: Compiling quantize function for key: (32002, 4096, 'float16', 'cuda')
+
  0%|                                                                                                                                                           | 0/195 [00:10<?, ?it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "lm_head.q_weight", shape: (32002, 512), dtype: uint32
+
  0%|                                                                                                                                                           | 0/195 [00:13<?, ?it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "lm_head.q_scale", shape: (32002, 128), dtype: float16
+
  0%|                                                                                                                                                           | 0/195 [00:13<?, ?it/s]
  1%|▊                                                                                                                                                  | 1/195 [00:13<42:18, 13.08s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:04] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.22.input_layernorm.weight", shape: (4096,), dtype: float16
+
  1%|▊                                                                                                                                                  | 1/195 [00:13<42:18, 13.08s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:04] INFO group_quantization.py:199: Compiling quantize function for key: (4096, 14336, 'float16', 'cuda')
+
  1%|▊                                                                                                                                                  | 1/195 [00:13<42:18, 13.08s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
  1%|▊                                                                                                                                                  | 1/195 [00:13<42:18, 13.08s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:04] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
  1%|▊                                                                                                                                                  | 1/195 [00:13<42:18, 13.08s/it]
  2%|██▎                                                                                                                                                | 3/195 [00:13<11:34,  3.62s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:05] INFO group_quantization.py:199: Compiling quantize function for key: (28672, 4096, 'float16', 'cuda')
+
  2%|██▎                                                                                                                                                | 3/195 [00:14<11:34,  3.62s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
  2%|██▎                                                                                                                                                | 3/195 [00:14<11:34,  3.62s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
  2%|██▎                                                                                                                                                | 3/195 [00:14<11:34,  3.62s/it]
  2%|███                                                                                                                                                | 4/195 [00:14<08:31,  2.68s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.22.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
  2%|███                                                                                                                                                | 4/195 [00:14<08:31,  2.68s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:05] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.23.input_layernorm.weight", shape: (4096,), dtype: float16
+
  2%|███                                                                                                                                                | 4/195 [00:14<08:31,  2.68s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
  2%|███                                                                                                                                                | 4/195 [00:14<08:31,  2.68s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:05] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
  2%|███                                                                                                                                                | 4/195 [00:14<08:31,  2.68s/it]
  4%|█████▎                                                                                                                                             | 7/195 [00:14<03:32,  1.13s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
  4%|█████▎                                                                                                                                             | 7/195 [00:15<03:32,  1.13s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
  4%|█████▎                                                                                                                                             | 7/195 [00:15<03:32,  1.13s/it]
  4%|██████                                                                                                                                             | 8/195 [00:15<03:06,  1.00it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:06] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.23.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
  4%|██████                                                                                                                                             | 8/195 [00:15<03:06,  1.00it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:06] INFO group_quantization.py:199: Compiling quantize function for key: (6144, 4096, 'float16', 'cuda')
+
  4%|██████                                                                                                                                             | 8/195 [00:15<03:06,  1.00it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
  4%|██████                                                                                                                                             | 8/195 [00:15<03:06,  1.00it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:06] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
  4%|██████                                                                                                                                             | 8/195 [00:15<03:06,  1.00it/s]
  5%|███████▍                                                                                                                                          | 10/195 [00:15<02:12,  1.40it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:07] INFO group_quantization.py:199: Compiling quantize function for key: (4096, 4096, 'float16', 'cuda')
+
  5%|███████▍                                                                                                                                          | 10/195 [00:15<02:12,  1.40it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:07] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
  5%|███████▍                                                                                                                                          | 10/195 [00:16<02:12,  1.40it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:07] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.23.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
  5%|███████▍                                                                                                                                          | 10/195 [00:16<02:12,  1.40it/s]
  6%|████████▏                                                                                                                                         | 11/195 [00:16<02:00,  1.52it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:07] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.24.input_layernorm.weight", shape: (4096,), dtype: float16
+
  6%|████████▏                                                                                                                                         | 11/195 [00:16<02:00,  1.52it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:07] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
  6%|████████▏                                                                                                                                         | 11/195 [00:16<02:00,  1.52it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:07] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
  6%|████████▏                                                                                                                                         | 11/195 [00:16<02:00,  1.52it/s]
  7%|█████████▋                                                                                                                                        | 13/195 [00:16<01:22,  2.21it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:08] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
  7%|█████████▋                                                                                                                                        | 13/195 [00:17<01:22,  2.21it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:08] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
  7%|█████████▋                                                                                                                                        | 13/195 [00:17<01:22,  2.21it/s]
  7%|██████████▍                                                                                                                                       | 14/195 [00:17<01:25,  2.12it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:08] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.24.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
  7%|██████████▍                                                                                                                                       | 14/195 [00:17<01:25,  2.12it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:08] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
  7%|██████████▍                                                                                                                                       | 14/195 [00:17<01:25,  2.12it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:08] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
  7%|██████████▍                                                                                                                                       | 14/195 [00:17<01:25,  2.12it/s]
  8%|███████████▉                                                                                                                                      | 16/195 [00:17<00:56,  3.18it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:08] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
  8%|███████████▉                                                                                                                                      | 16/195 [00:17<00:56,  3.18it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:08] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.24.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
  8%|███████████▉                                                                                                                                      | 16/195 [00:17<00:56,  3.18it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:08] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.25.input_layernorm.weight", shape: (4096,), dtype: float16
+
  8%|███████████▉                                                                                                                                      | 16/195 [00:17<00:56,  3.18it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:08] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
  8%|███████████▉                                                                                                                                      | 16/195 [00:17<00:56,  3.18it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:08] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
  8%|███████████▉                                                                                                                                      | 16/195 [00:17<00:56,  3.18it/s]
 10%|██████████████▏                                                                                                                                   | 19/195 [00:17<00:38,  4.54it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:09] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 10%|██████████████▏                                                                                                                                   | 19/195 [00:18<00:38,  4.54it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:09] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 10%|██████████████▏                                                                                                                                   | 19/195 [00:18<00:38,  4.54it/s]
 10%|██████████████▉                                                                                                                                   | 20/195 [00:18<00:48,  3.62it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:09] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.25.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 10%|██████████████▉                                                                                                                                   | 20/195 [00:18<00:48,  3.62it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:09] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 10%|██████████████▉                                                                                                                                   | 20/195 [00:18<00:48,  3.62it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:09] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 10%|██████████████▉                                                                                                                                   | 20/195 [00:18<00:48,  3.62it/s]
 11%|████████████████▍                                                                                                                                 | 22/195 [00:18<00:35,  4.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:09] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 11%|████████████████▍                                                                                                                                 | 22/195 [00:18<00:35,  4.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:09] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.25.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 11%|████████████████▍                                                                                                                                 | 22/195 [00:18<00:35,  4.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:09] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.26.input_layernorm.weight", shape: (4096,), dtype: float16
+
 11%|████████████████▍                                                                                                                                 | 22/195 [00:18<00:35,  4.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:09] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 11%|████████████████▍                                                                                                                                 | 22/195 [00:18<00:35,  4.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:09] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 11%|████████████████▍                                                                                                                                 | 22/195 [00:18<00:35,  4.91it/s]
 13%|██████████████████▋                                                                                                                               | 25/195 [00:18<00:27,  6.16it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:10] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 13%|██████████████████▋                                                                                                                               | 25/195 [00:19<00:27,  6.16it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:10] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 13%|██████████████████▋                                                                                                                               | 25/195 [00:19<00:27,  6.16it/s]
 13%|███████████████████▍                                                                                                                              | 26/195 [00:19<00:38,  4.45it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:10] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.26.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 13%|███████████████████▍                                                                                                                              | 26/195 [00:19<00:38,  4.45it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:10] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 13%|███████████████████▍                                                                                                                              | 26/195 [00:19<00:38,  4.45it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:10] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 13%|███████████████████▍                                                                                                                              | 26/195 [00:19<00:38,  4.45it/s]
 14%|████████████████████▉                                                                                                                             | 28/195 [00:19<00:28,  5.83it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:10] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 14%|████████████████████▉                                                                                                                             | 28/195 [00:19<00:28,  5.83it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:10] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.26.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 14%|████████████████████▉                                                                                                                             | 28/195 [00:19<00:28,  5.83it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:10] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.27.input_layernorm.weight", shape: (4096,), dtype: float16
+
 14%|████████████████████▉                                                                                                                             | 28/195 [00:19<00:28,  5.83it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:10] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 14%|████████████████████▉                                                                                                                             | 28/195 [00:19<00:28,  5.83it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:10] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 14%|████████████████████��                                                                                                                             | 28/195 [00:19<00:28,  5.83it/s]
 16%|███████████████████████▏                                                                                                                          | 31/195 [00:19<00:23,  6.93it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:11] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 16%|███████████████████████▏                                                                                                                          | 31/195 [00:20<00:23,  6.93it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:11] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 16%|███████████████████████▏                                                                                                                          | 31/195 [00:20<00:23,  6.93it/s]
 16%|███████████████████████▉                                                                                                                          | 32/195 [00:20<00:33,  4.80it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:11] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.27.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 16%|███████████████████████▉                                                                                                                          | 32/195 [00:20<00:33,  4.80it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:11] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 16%|███████████████████████▉                                                                                                                          | 32/195 [00:20<00:33,  4.80it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:11] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 16%|███████████████████████▉                                                                                                                          | 32/195 [00:20<00:33,  4.80it/s]
 17%|█████████████████████████▍                                                                                                                        | 34/195 [00:20<00:25,  6.21it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:11] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 17%|█████████████████████████▍                                                                                                                        | 34/195 [00:20<00:25,  6.21it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:11] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.27.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 17%|█████████████████████████▍                                                                                                                        | 34/195 [00:20<00:25,  6.21it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:11] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.28.input_layernorm.weight", shape: (4096,), dtype: float16
+
 17%|█████████████████████████▍                                                                                                                        | 34/195 [00:20<00:25,  6.21it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:11] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 17%|█████████████████████████▍                                                                                                                        | 34/195 [00:20<00:25,  6.21it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:11] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 17%|█████████████████████████▍                                                                                                                        | 34/195 [00:20<00:25,  6.21it/s]
 19%|███████████████████████████▋                                                                                                                      | 37/195 [00:20<00:21,  7.23it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:12] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 19%|███████████████████████████▋                                                                                                                      | 37/195 [00:21<00:21,  7.23it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:12] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 19%|███████████████████████████▋                                                                                                                      | 37/195 [00:21<00:21,  7.23it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:12] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.28.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 19%|███████████████████████████▋                                                                                                                      | 37/195 [00:21<00:21,  7.23it/s]
 20%|█████████████████████████████▏                                                                                                                    | 39/195 [00:21<00:27,  5.70it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:12] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 20%|█████████████████████████████▏                                                                                                                    | 39/195 [00:21<00:27,  5.70it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:12] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 20%|█████████████████████████████▏                                                                                                                    | 39/195 [00:21<00:27,  5.70it/s]
 21%|█████████████████████████████▉                                                                                                                    | 40/195 [00:21<00:25,  6.03it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:12] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 21%|█████████████████████████████▉                                                                                                                    | 40/195 [00:21<00:25,  6.03it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:12] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.28.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 21%|█████████████████████████████▉                                                                                                                    | 40/195 [00:21<00:25,  6.03it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:12] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.29.input_layernorm.weight", shape: (4096,), dtype: float16
+
 21%|█████████████████████████████▉                                                                                                                    | 40/195 [00:21<00:25,  6.03it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:12] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 21%|█████████████████████████████▉                                                                                                                    | 40/195 [00:21<00:25,  6.03it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:12] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 21%|█████████████████████████████▉                                                                                                                    | 40/195 [00:21<00:25,  6.03it/s]
 22%|████████████████████████████████▏                                                                                                                 | 43/195 [00:21<00:21,  7.12it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:13] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 22%|████████████████████████████████▏                                                                                                                 | 43/195 [00:21<00:21,  7.12it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:13] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 22%|████████████████████████████████▏                                                                                                                 | 43/195 [00:22<00:21,  7.12it/s]
 23%|████████████████████████████████▉                                                                                                                 | 44/195 [00:22<00:31,  4.84it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:13] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.29.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 23%|████████████████████████████████▉                                                                                                                 | 44/195 [00:22<00:31,  4.84it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:13] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 23%|████████████████████████████████▉                                                                                                                 | 44/195 [00:22<00:31,  4.84it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:13] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 23%|████████████████████████████████▉                                                                                                                 | 44/195 [00:22<00:31,  4.84it/s]
 24%|██████████████████████████████████▍                                                                                                               | 46/195 [00:22<00:23,  6.28it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:13] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 24%|██████████████████████████████████▍                                                                                                               | 46/195 [00:22<00:23,  6.28it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:13] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.29.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 24%|██████████████████████████████████▍                                                                                                               | 46/195 [00:22<00:23,  6.28it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:13] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.30.input_layernorm.weight", shape: (4096,), dtype: float16
+
 24%|██████████████████████████████████▍                                                                                                               | 46/195 [00:22<00:23,  6.28it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:13] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 24%|██████████████████████████████████▍                                                                                                               | 46/195 [00:22<00:23,  6.28it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:13] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 24%|██████████████████████████████████▍                                                                                                               | 46/195 [00:22<00:23,  6.28it/s]
 25%|████████████████████████████████████▋                                                                                                             | 49/195 [00:22<00:20,  7.30it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:14] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 25%|████████████████████████████████████▋                                                                                                             | 49/195 [00:22<00:20,  7.30it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:14] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 25%|████████████████████████████████████▋                                                                                                             | 49/195 [00:22<00:20,  7.30it/s]
 26%|█████████████████████████████████████▍                                                                                                            | 50/195 [00:22<00:29,  4.94it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:14] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.30.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 26%|█████████████████████████████████████▍                                                                                                            | 50/195 [00:22<00:29,  4.94it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:14] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 26%|█████████████████████████████████████▍                                                                                                            | 50/195 [00:23<00:29,  4.94it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:14] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 26%|█████████████████████████████████████▍                                                                                                            | 50/195 [00:23<00:29,  4.94it/s]
 27%|██████████████████████████████████████▉                                                                                                           | 52/195 [00:23<00:22,  6.36it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:14] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 27%|██████████████████████████████████████▉                                                                                                           | 52/195 [00:23<00:22,  6.36it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:14] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.30.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 27%|██████████████████████████████████████▉                                                                                                           | 52/195 [00:23<00:22,  6.36it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:14] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.31.input_layernorm.weight", shape: (4096,), dtype: float16
+
 27%|██████████████████████████████████████▉                                                                                                           | 52/195 [00:23<00:22,  6.36it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:14] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 27%|██████████████████████████████████████▉                                                                                                           | 52/195 [00:23<00:22,  6.36it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:14] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 27%|██████████████████████████████████████▉                                                                                                           | 52/195 [00:23<00:22,  6.36it/s]
 28%|█████████████████████████████████████████▏                                                                                                        | 55/195 [00:23<00:19,  7.35it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:14] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 28%|█████████████████████████████████████████▏                                                                                                        | 55/195 [00:23<00:19,  7.35it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:15] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 28%|█████████████████████████████████████████▏                                                                                                        | 55/195 [00:23<00:19,  7.35it/s]
 29%|█████████████████████████████████████████▉                                                                                                        | 56/195 [00:23<00:27,  4.97it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:15] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.31.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 29%|█████████████████████████████████████████▉                                                                                                        | 56/195 [00:23<00:27,  4.97it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:15] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 29%|█████████████████████████████████████████▉                                                                                                        | 56/195 [00:24<00:27,  4.97it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:15] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 29%|█████████████████████████████████████████▉                                                                                                        | 56/195 [00:24<00:27,  4.97it/s]
 30%|███████████████████████████████████████████▍                                                                                                      | 58/195 [00:24<00:21,  6.39it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:15] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 30%|███████████████████████████████████████████▍                                                                                                      | 58/195 [00:24<00:21,  6.39it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:15] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.31.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 30%|███████████████████████████████████████████▍                                                                                                      | 58/195 [00:24<00:21,  6.39it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:15] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.norm.weight", shape: (4096,), dtype: float16
+
 30%|███████████████████████████████████████████▍                                                                                                      | 58/195 [00:24<00:21,  6.39it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:15] INFO huggingface_loader.py:179: Unloading HF weight file: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/pytorch_model-00002-of-00002.bin
+
 30%|███████████████████████████████████████████▍                                                                                                      | 58/195 [00:24<00:21,  6.39it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:15] INFO huggingface_loader.py:169: Loading HF parameters from: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/pytorch_model-00001-of-00002.bin
+
 30%|███████████████████████████████████████████▍                                                                                                      | 58/195 [00:24<00:21,  6.39it/s]
 30%|███████████████████████████████████████████▍                                                                                                      | 58/195 [00:39<00:21,  6.39it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:35] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.embed_tokens.q_weight", shape: (32002, 512), dtype: uint32
+
 30%|███████████████████████████████████████████▍                                                                                                      | 58/195 [00:44<00:21,  6.39it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:35] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.embed_tokens.q_scale", shape: (32002, 128), dtype: float16
+
 30%|███████████████████████████████████████████▍                                                                                                      | 58/195 [00:44<00:21,  6.39it/s]
 31%|█████████████████████████████████████████████▋                                                                                                    | 61/195 [00:44<06:13,  2.78s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:35] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.0.input_layernorm.weight", shape: (4096,), dtype: float16
+
 31%|█████████████████████████████████████████████▋                                                                                                    | 61/195 [00:44<06:13,  2.78s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:35] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 31%|█████████████████████████████████████████████▋                                                                                                    | 61/195 [00:44<06:13,  2.78s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:35] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 31%|█████████████████████████████████████████████▋                                                                                                    | 61/195 [00:44<06:13,  2.78s/it]
 32%|███████████████████████████████████████████████▏                                                                                                  | 63/195 [00:44<04:29,  2.04s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:35] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 32%|███████████████████████████████████████████████▏                                                                                                  | 63/195 [00:44<04:29,  2.04s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:35] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 32%|███████████████████████████████████████████████▏                                                                                                  | 63/195 [00:44<04:29,  2.04s/it]
 33%|███████████████████████████████████████████████▉                                                                                                  | 64/195 [00:44<03:54,  1.79s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:35] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.0.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 33%|███████████████████████████████████████████████▉                                                                                                  | 64/195 [00:44<03:54,  1.79s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 33%|███████████████████████████████████████████████▉                                                                                                  | 64/195 [00:45<03:54,  1.79s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 33%|███████████████████████████████████████████████▉                                                                                                  | 64/195 [00:45<03:54,  1.79s/it]
 34%|█████████████████████████████████████████████████▍                                                                                                | 66/195 [00:45<02:42,  1.26s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 34%|█████████████████████████████████████████████████▍                                                                                                | 66/195 [00:45<02:42,  1.26s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.0.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 34%|█████████████████████████████████████████████████▍                                                                                                | 66/195 [00:45<02:42,  1.26s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.1.input_layernorm.weight", shape: (4096,), dtype: float16
+
 34%|█████████████████████████████████████████████████▍                                                                                                | 66/195 [00:45<02:42,  1.26s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 34%|█████████████████████████████████████████████████▍                                                                                                | 66/195 [00:45<02:42,  1.26s/it]
                                                                                                                                                                                        
[2023-12-17 15:50:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 34%|█████████████████████████████████████████████████▍                                                                                                | 66/195 [00:45<02:42,  1.26s/it]
 35%|███████████████████████████████████████████████████▋                                                                                              | 69/195 [00:45<01:39,  1.27it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 35%|███████████████████████████████████████████████████▋                                                                                              | 69/195 [00:45<01:39,  1.27it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:36] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 35%|███████████████████████████████████████████████████▋                                                                                              | 69/195 [00:45<01:39,  1.27it/s]
 36%|████████████████████████████████████████████████████▍                                                                                             | 70/195 [00:45<01:33,  1.34it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:36] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.1.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 36%|████████████████████████████████████████████████████▍                                                                                             | 70/195 [00:45<01:33,  1.34it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 36%|████████████████████████████████████████████████████▍                                                                                             | 70/195 [00:46<01:33,  1.34it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 36%|████████████████████████████████████████████████████▍                                                                                             | 70/195 [00:46<01:33,  1.34it/s]
 37%|█████████████████████████████████████████████████████▉                                                                                            | 72/195 [00:46<01:07,  1.82it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 37%|█████████████████████████████████████████████████████▉                                                                                            | 72/195 [00:46<01:07,  1.82it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.1.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 37%|█████████████████████████████████████████████████████▉                                                                                            | 72/195 [00:46<01:07,  1.82it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:37] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.10.input_layernorm.weight", shape: (4096,), dtype: float16
+
 37%|█████████████████████████████████████████████████████▉                                                                                            | 72/195 [00:46<01:07,  1.82it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 37%|█████████████████████████████████████████████████████▉                                                                                            | 72/195 [00:46<01:07,  1.82it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:37] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 37%|█████████████████████████████████████████████████████▉                                                                                            | 72/195 [00:46<01:07,  1.82it/s]
 38%|████████████████████████████████████████████████████████▏                                                                                         | 75/195 [00:46<00:44,  2.72it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 38%|████████████████████████████████████████████████████████▏                                                                                         | 75/195 [00:47<00:44,  2.72it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 38%|████████████████████████████████████████████████████████▏                                                                                         | 75/195 [00:47<00:44,  2.72it/s]
 39%|████████████████████████████████████████████████████████▉                                                                                         | 76/195 [00:47<00:47,  2.53it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.10.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 39%|████████████████████████████████████████████████████████▉                                                                                         | 76/195 [00:47<00:47,  2.53it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 39%|████████████████████████████████████████████████████████▉                                                                                         | 76/195 [00:47<00:47,  2.53it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 39%|████████████████████████████████████████████████████████▉                                                                                         | 76/195 [00:47<00:47,  2.53it/s]
 40%|██████████████████████████████████████████████████████████▍                                                                                       | 78/195 [00:47<00:33,  3.46it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 40%|██████████████████████████████████████████████████████████▍                                                                                       | 78/195 [00:47<00:33,  3.46it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.10.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 40%|██████████████████████████████████████████████████████████▍                                                                                       | 78/195 [00:47<00:33,  3.46it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:38] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.11.input_layernorm.weight", shape: (4096,), dtype: float16
+
 40%|██████████████████████████████████████████████████████████▍                                                                                       | 78/195 [00:47<00:33,  3.46it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 40%|██████████████████████████████████████████████████████████▍                                                                                       | 78/195 [00:47<00:33,  3.46it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:38] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 40%|██████████████████████████████████████████████████████████▍                                                                                       | 78/195 [00:47<00:33,  3.46it/s]
 42%|████████████████████████████████████████████████████████████▋                                                                                     | 81/195 [00:47<00:24,  4.66it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 42%|████████████████████████████████████████████████████████████▋                                                                                     | 81/195 [00:47<00:24,  4.66it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 42%|████████████████████████████████████████████████████████████▋                                                                                     | 81/195 [00:47<00:24,  4.66it/s]
 42%|█████████████████████████████████████████████████████████████▍                                                                                    | 82/195 [00:48<00:30,  3.74it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.11.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 42%|█████████████████████████████████████████████████████████████▍                                                                                    | 82/195 [00:48<00:30,  3.74it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 42%|█████████████████████████████████████████████████████████████▍                                                                                    | 82/195 [00:48<00:30,  3.74it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 42%|█████████████████████████████████████████████████████████████▍                                                                                    | 82/195 [00:48<00:30,  3.74it/s]
 43%|██████████████████████████████████████████████████████████████▉                                                                                   | 84/195 [00:48<00:22,  4.96it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 43%|██████████████████████████████████████████████████████████████▉                                                                                   | 84/195 [00:48<00:22,  4.96it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.11.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 43%|██████████████████████████████████████████████████████████████▉                                                                                   | 84/195 [00:48<00:22,  4.96it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:39] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.12.input_layernorm.weight", shape: (4096,), dtype: float16
+
 43%|██████████████████████████████████████████████████████████████▉                                                                                   | 84/195 [00:48<00:22,  4.96it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 43%|██████████████████████████████████████████████████████████████▉                                                                                   | 84/195 [00:48<00:22,  4.96it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:39] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 43%|██████████████████████████████████████████████████████████████▉                                                                                   | 84/195 [00:48<00:22,  4.96it/s]
 45%|█████████████████████████████████████████████████████████████████▏                                                                                | 87/195 [00:48<00:17,  6.15it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 45%|█████████████████████████████████████████████████████████████████▏                                                                                | 87/195 [00:48<00:17,  6.15it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 45%|█████████████████████████████████████████████████████████████████▏                                                                                | 87/195 [00:48<00:17,  6.15it/s]
 45%|█████████████████████████████████████████████████████████████████▉                                                                                | 88/195 [00:48<00:23,  4.48it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.12.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 45%|█████████████████████████████████████████████████████████████████▉                                                                                | 88/195 [00:48<00:23,  4.48it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 45%|█████████████████████████████████████████████████████████████████▉                                                                                | 88/195 [00:49<00:23,  4.48it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 45%|█████████████████████████████████████████████████████████████████▉                                                                                | 88/195 [00:49<00:23,  4.48it/s]
 46%|███████████████████████████████████████████████████████████████████▍                                                                              | 90/195 [00:49<00:18,  5.83it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 46%|███████████████████████████████████████████████████████████████████▍                                                                              | 90/195 [00:49<00:18,  5.83it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.12.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 46%|███████████████████████████████████████████████████████████████████▍                                                                              | 90/195 [00:49<00:18,  5.83it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.13.input_layernorm.weight", shape: (4096,), dtype: float16
+
 46%|███████████████████████████████████████████████████████████████████▍                                                                              | 90/195 [00:49<00:18,  5.83it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 46%|███████████████████████████████████████████████████████████████████▍                                                                              | 90/195 [00:49<00:18,  5.83it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 46%|███████████████████████████████████████████████████████████████████▍                                                                              | 90/195 [00:49<00:18,  5.83it/s]
 48%|█████████████████████████████████████████████████████████████████████▋                                                                            | 93/195 [00:49<00:14,  6.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 48%|█████████████████████████████████████████████████████████████████████▋                                                                            | 93/195 [00:49<00:14,  6.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 48%|█████████████████████████████████████████████████████████████████████▋                                                                            | 93/195 [00:49<00:14,  6.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:40] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.13.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 48%|█████████████████████████████████████████████████████████████████████▋                                                                            | 93/195 [00:49<00:14,  6.91it/s]
 49%|███████████████████████████████████████████████████████████████████████▏                                                                          | 95/195 [00:49<00:17,  5.57it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 49%|███████████████████████████████████████████████████████████████████████▏                                                                          | 95/195 [00:50<00:17,  5.57it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 49%|███████████████████████████████████████████████████████████████████████▏                                                                          | 95/195 [00:50<00:17,  5.57it/s]
 49%|███████████████████████████████████████████████████████████████████████▉                                                                          | 96/195 [00:50<00:16,  5.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 49%|███████████████████████████████████████████████████████████████████████▉                                                                          | 96/195 [00:50<00:16,  5.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.13.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 49%|███████████████████████████████████████████████████████████████████████▉                                                                          | 96/195 [00:50<00:16,  5.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:41] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.14.input_layernorm.weight", shape: (4096,), dtype: float16
+
 49%|███████████████████████████████████████████████████████████████████████▉                                                                          | 96/195 [00:50<00:16,  5.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 49%|███████████████████████████████████████████████████████████████████████▉                                                                          | 96/195 [00:50<00:16,  5.91it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 49%|███████████████████████████████████████████████████████████████████████▉                                                                          | 96/195 [00:50<00:16,  5.91it/s]
 51%|██████████████████████████████████████████████████████████████████████████                                                                        | 99/195 [00:50<00:13,  7.02it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 51%|██████████████████████████████████████████████████████████████████████████                                                                        | 99/195 [00:50<00:13,  7.02it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:41] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 51%|██████████████████████████████████████████████████████████████████████████                                                                        | 99/195 [00:50<00:13,  7.02it/s]
 51%|██████████████████████████████████████████████████████████████████████████▎                                                                      | 100/195 [00:50<00:19,  4.80it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:41] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.14.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 51%|██████████████████████████████████████████████████████████████████████████▎                                                                      | 100/195 [00:50<00:19,  4.80it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 51%|██████████████████████████████████████████████████████████████████████████▎                                                                      | 100/195 [00:51<00:19,  4.80it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 51%|██████████████████████████████████████████████████████████████████████████▎                                                                      | 100/195 [00:51<00:19,  4.80it/s]
 52%|███████████████████████████████████████████████████████████████████████████▊                                                                     | 102/195 [00:51<00:14,  6.22it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 52%|███████████████████████████████████████████████████████████████████████████▊                                                                     | 102/195 [00:51<00:14,  6.22it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.14.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 52%|███████████████████████████████████████████████████████████████████████████▊                                                                     | 102/195 [00:51<00:14,  6.22it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:42] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.15.input_layernorm.weight", shape: (4096,), dtype: float16
+
 52%|███████████████████████████████████████████████████████████████████████████▊                                                                     | 102/195 [00:51<00:14,  6.22it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 52%|███████████████████████████████████████████████████████████████████████████▊                                                                     | 102/195 [00:51<00:14,  6.22it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 52%|███████████████████████████████████████████████████████████████████████████▊                                                                     | 102/195 [00:51<00:14,  6.22it/s]
 54%|██████████████████████████████████████████████████████████████████████████████                                                                   | 105/195 [00:51<00:12,  7.24it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 54%|██████████████████████████████████████████████████████████████████████████████                                                                   | 105/195 [00:51<00:12,  7.24it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:42] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 54%|██████████████████████████████████████████████████████████████████████████████                                                                   | 105/195 [00:51<00:12,  7.24it/s]
 54%|██████████████████████████████████████████████████████████████████████████████▊                                                                  | 106/195 [00:51<00:18,  4.92it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:42] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.15.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 54%|██████████████████████████████████████████████████████████████████████████████▊                                                                  | 106/195 [00:51<00:18,  4.92it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 54%|██████████████████████████████████████████████████████████████████████████████▊                                                                  | 106/195 [00:52<00:18,  4.92it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 54%|██████████████████████████████████████████████████████████████████████████████▊                                                                  | 106/195 [00:52<00:18,  4.92it/s]
 55%|████████████████████████████████████████████████████████████████████████████████▎                                                                | 108/195 [00:52<00:13,  6.35it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 55%|████████████████████████████████████████████████████████████████████████████████▎                                                                | 108/195 [00:52<00:13,  6.35it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.15.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 55%|████████████████████████████████████████████████████████████████████████████████▎                                                                | 108/195 [00:52<00:13,  6.35it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:43] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.16.input_layernorm.weight", shape: (4096,), dtype: float16
+
 55%|████████████████████████████████████████████████████████████████████████████████▎                                                                | 108/195 [00:52<00:13,  6.35it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 55%|████████████████████████████████████████████████████████████████████████████████▎                                                                | 108/195 [00:52<00:13,  6.35it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 55%|████████████████████████████████████████████████████████████████████████████████▎                                                                | 108/195 [00:52<00:13,  6.35it/s]
 57%|██████████████████████████████████████████████████████████████████████████████████▌                                                              | 111/195 [00:52<00:11,  7.34it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 57%|██████████████████████████████████████████████████████████████████████████████████▌                                                              | 111/195 [00:52<00:11,  7.34it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:43] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 57%|██████████████████████████████████████████████████████████████████████████████████▌                                                              | 111/195 [00:52<00:11,  7.34it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:43] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.16.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 57%|██████████████████████████████████████████████████████████████████████████████████▌                                                              | 111/195 [00:52<00:11,  7.34it/s]
 58%|████████████████████████████████████████████████████████████████████████████████████                                                             | 113/195 [00:52<00:14,  5.77it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 58%|████████████████████████████████████████████████████████████████████████████████████                                                             | 113/195 [00:52<00:14,  5.77it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 58%|████████████████████████████████████████████████████████████████████████████████████                                                             | 113/195 [00:52<00:14,  5.77it/s]
 58%|████████████████████████████████████████████████████████████████████████████████████▊                                                            | 114/195 [00:52<00:13,  6.09it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 58%|████████████████████████████████████████████████████████████████████████████████████▊                                                            | 114/195 [00:53<00:13,  6.09it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.16.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 58%|████████████████████████████████████████████████████████████████████████████████████▊                                                            | 114/195 [00:53<00:13,  6.09it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:44] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.17.input_layernorm.weight", shape: (4096,), dtype: float16
+
 58%|████████████████████████████████████████████████████████████████████████████████████▊                                                            | 114/195 [00:53<00:13,  6.09it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 58%|████████████████████████████████████████████████████████████████████████████████████▊                                                            | 114/195 [00:53<00:13,  6.09it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 58%|████████████████████████████████████████████████████████████████████████████████████▊                                                            | 114/195 [00:53<00:13,  6.09it/s]
 60%|███████████████████████████████████████████████████████████████████████████████████████                                                          | 117/195 [00:53<00:10,  7.17it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 60%|█████████████████████████████████████████████████��█████████████████████████████████████                                                          | 117/195 [00:53<00:10,  7.17it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 60%|███████████████████████████████████████████████████████████████████████████████████████                                                          | 117/195 [00:53<00:10,  7.17it/s]
 61%|███████████████████████████████████████████████████████████████████████████████████████▋                                                         | 118/195 [00:53<00:15,  4.87it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:44] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.17.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 61%|███████████████████████████████████████████████████████████████████████████████████████▋                                                         | 118/195 [00:53<00:15,  4.87it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:44] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 61%|███████████████████████████████████████████████████████████████████████████████████████▋                                                         | 118/195 [00:53<00:15,  4.87it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 61%|███████████████████████████████████████████████████████████████████████████████████████▋                                                         | 118/195 [00:53<00:15,  4.87it/s]
 62%|█████████████████████████████████████████████████████████████████████████████████████████▏                                                       | 120/195 [00:53<00:11,  6.31it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 62%|█████████████████████████████████████████████████████████████████████████████████████████▏                                                       | 120/195 [00:54<00:11,  6.31it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.17.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 62%|██████████████████████████████████████████████████████████████████████████████████████���██▏                                                       | 120/195 [00:54<00:11,  6.31it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:45] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.18.input_layernorm.weight", shape: (4096,), dtype: float16
+
 62%|█████████████████████████████████████████████████████████████████████████████████████████▏                                                       | 120/195 [00:54<00:11,  6.31it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 62%|█████████████████████████████████████████████████████████████████████████████████████████▏                                                       | 120/195 [00:54<00:11,  6.31it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 62%|█████████████████████████████████████████████████████████████████████████████████████████▏                                                       | 120/195 [00:54<00:11,  6.31it/s]
 63%|███████████████████████████████████████████████████████████████████████████████████████████▍                                                     | 123/195 [00:54<00:09,  7.32it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 63%|███████████████████████████████████████████████████████████████████████████████████████████▍                                                     | 123/195 [00:54<00:09,  7.32it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 63%|███████████████████████████████████████████████████████████████████████████████████████████▍                                                     | 123/195 [00:54<00:09,  7.32it/s]
 64%|████████████████████████████████████████████████████████████████████████████████████████████▏                                                    | 124/195 [00:54<00:14,  4.95it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:45] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.18.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 64%|████████████████████████████████████████████████████████████████████████████████████████████▏                                                    | 124/195 [00:54<00:14,  4.95it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 64%|████████████████████████████████████████████████████████████████████████████████████████████▏                                                    | 124/195 [00:54<00:14,  4.95it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:45] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 64%|████████████████████████████████████████████████████████████████████████████████████████████▏                                                    | 124/195 [00:54<00:14,  4.95it/s]
 65%|█████████████████████████████████████████████████████████████████████████████████████████████▋                                                   | 126/195 [00:54<00:10,  6.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:46] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 65%|█████████████████████████████████████████████████████████████████████████████████████████████▋                                                   | 126/195 [00:54<00:10,  6.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:46] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.18.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 65%|█████████████████████████████████████████████████████████████████████████████████████████████▋                                                   | 126/195 [00:54<00:10,  6.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:46] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.19.input_layernorm.weight", shape: (4096,), dtype: float16
+
 65%|█████████████████████████████████████████████████████████████████████████████████████████████▋                                                   | 126/195 [00:54<00:10,  6.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:46] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 65%|█████████████████████████████████████████████████████████████████████████████████████████████▋                                                   | 126/195 [00:55<00:10,  6.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:46] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 65%|█████████████████████████████████████████████████████████████████████████████████████████████▋                                                   | 126/195 [00:55<00:10,  6.38it/s]
 66%|███████████████████████████████████████████████████████████████████████████████████████████████▉                                                 | 129/195 [00:55<00:08,  7.37it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:46] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 66%|███████████████████████████████████████████████████████████████████████████████████████████████▉                                                 | 129/195 [00:55<00:08,  7.37it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:46] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 66%|███████████████████████████████████████████████████████████████████████████████████████████████▉                                                 | 129/195 [00:55<00:08,  7.37it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:46] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.19.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 66%|███████████████████████████████████████████████████████████████████████████████████████████████▉                                                 | 129/195 [00:55<00:08,  7.37it/s]
 67%|█████████████████████████████████████████████████████████████████████████████████████████████████▍                                               | 131/195 [00:55<00:11,  5.77it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:46] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 67%|█████████████████████████████████████████████████████████████████████████████████████████████████▍                                               | 131/195 [00:55<00:11,  5.77it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:46] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 67%|█████████████████████████████████████████████████████████████████████████████████████████████████▍                                               | 131/195 [00:55<00:11,  5.77it/s]
 68%|██████████████████████████████████████████████████████████████████████████████████████████████████▏                                              | 132/195 [00:55<00:10,  6.09it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 68%|██████████████████████████████████████████████████████████████████████████████████████████████████▏                                              | 132/195 [00:55<00:10,  6.09it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.19.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 68%|██████████████████████████████████████████████████████████████████████████████████████████████████▏                                              | 132/195 [00:55<00:10,  6.09it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.2.input_layernorm.weight", shape: (4096,), dtype: float16
+
 68%|██████████████████████████████████████████████████████████████████████████████████████████████████▏                                              | 132/195 [00:55<00:10,  6.09it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 68%|██████████████████████████████████████████████████████████████████████████████████████████████████▏                                              | 132/195 [00:56<00:10,  6.09it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 68%|██████████████████████████████████████████████████████████████████████████████████████████████████▏                                              | 132/195 [00:56<00:10,  6.09it/s]
 69%|████████████████████████████████████████████████████████████████████████████████████████████████████▍                                            | 135/195 [00:56<00:08,  7.16it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 69%|████████████████████████████████████████████████████████████████████████████████████████████████████▍                                            | 135/195 [00:56<00:08,  7.16it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 69%|████████████████████████████████████████████████████████████████████████████████████████████████████▍                                            | 135/195 [00:56<00:08,  7.16it/s]
 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████▏                                           | 136/195 [00:56<00:12,  4.85it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.2.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████▏                                           | 136/195 [00:56<00:12,  4.85it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████▏                                           | 136/195 [00:56<00:12,  4.85it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████▏                                           | 136/195 [00:56<00:12,  4.85it/s]
 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████▌                                          | 138/195 [00:56<00:09,  6.28it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████▌                                          | 138/195 [00:56<00:09,  6.28it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.2.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████▌                                          | 138/195 [00:56<00:09,  6.28it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:47] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.20.input_layernorm.weight", shape: (4096,), dtype: float16
+
 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████▌                                          | 138/195 [00:56<00:09,  6.28it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████▌                                          | 138/195 [00:57<00:09,  6.28it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 71%|██████████████████████████████████████████████████████████████████████████████████████████████████████▌                                          | 138/195 [00:57<00:09,  6.28it/s]
 72%|████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                        | 141/195 [00:57<00:07,  7.29it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 72%|████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                        | 141/195 [00:57<00:07,  7.29it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 72%|████████████████████████████████████████████████████████████████████████████████████████████████████████▊                                        | 141/195 [00:57<00:07,  7.29it/s]
 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 142/195 [00:57<00:10,  4.94it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:48] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.20.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 142/195 [00:57<00:10,  4.94it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 142/195 [00:57<00:10,  4.94it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                       | 142/195 [00:57<00:10,  4.94it/s]
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████                                      | 144/195 [00:57<00:08,  6.37it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████                                      | 144/195 [00:57<00:08,  6.37it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:48] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.20.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████                                      | 144/195 [00:57<00:08,  6.37it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:48] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.21.input_layernorm.weight", shape: (4096,), dtype: float16
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████                                      | 144/195 [00:57<00:08,  6.37it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████                                      | 144/195 [00:58<00:08,  6.37it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 74%|███████████████████████████████████████████████████████████████████████████████████████████████████████████                                      | 144/195 [00:58<00:08,  6.37it/s]
 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                                   | 147/195 [00:58<00:06,  7.36it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                                   | 147/195 [00:58<00:06,  7.36it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 75%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                                   | 147/195 [00:58<00:06,  7.36it/s]
 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████                                   | 148/195 [00:58<00:09,  4.98it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:49] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.21.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████                                   | 148/195 [00:58<00:09,  4.98it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████                                   | 148/195 [00:58<00:09,  4.98it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████                                   | 148/195 [00:58<00:09,  4.98it/s]
 77%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                 | 150/195 [00:58<00:07,  6.41it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 77%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                 | 150/195 [00:58<00:07,  6.41it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:49] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.21.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 77%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                 | 150/195 [00:58<00:07,  6.41it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 77%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                 | 150/195 [00:59<00:07,  6.41it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 77%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████▌                                 | 150/195 [00:59<00:07,  6.41it/s]
 78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                | 152/195 [00:59<00:05,  7.30it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                | 152/195 [00:59<00:05,  7.30it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.22.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 78%|███████████████████████████████████████████████████████████████��█████████████████████████████████████████████████                                | 152/195 [00:59<00:05,  7.30it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.3.input_layernorm.weight", shape: (4096,), dtype: float16
+
 78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                | 152/195 [00:59<00:05,  7.30it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                | 152/195 [00:59<00:05,  7.30it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 78%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████                                | 152/195 [00:59<00:05,  7.30it/s]
 79%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                             | 155/195 [00:59<00:04,  8.05it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 79%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                             | 155/195 [00:59<00:04,  8.05it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:50] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 79%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎                             | 155/195 [00:59<00:04,  8.05it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:50] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.3.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 79%|████████████████████████████████████████████████████████████████████████████████████████████████████████��██████████▎                             | 155/195 [00:59<00:04,  8.05it/s]
 81%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                            | 157/195 [00:59<00:06,  6.08it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 81%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                            | 157/195 [00:59<00:06,  6.08it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 81%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                            | 157/195 [00:59<00:06,  6.08it/s]
 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                           | 158/195 [00:59<00:05,  6.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                           | 158/195 [01:00<00:05,  6.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.3.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                           | 158/195 [01:00<00:05,  6.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:51] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.4.input_layernorm.weight", shape: (4096,), dtype: float16
+
 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                           | 158/195 [01:00<00:05,  6.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                           | 158/195 [01:00<00:05,  6.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 81%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                           | 158/195 [01:00<00:05,  6.38it/s]
 83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                         | 161/195 [01:00<00:04,  7.40it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                         | 161/195 [01:00<00:04,  7.40it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:51] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 83%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                         | 161/195 [01:00<00:04,  7.40it/s]
 83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                        | 162/195 [01:00<00:06,  4.95it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:51] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.4.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                        | 162/195 [01:00<00:06,  4.95it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                        | 162/195 [01:00<00:06,  4.95it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 83%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                        | 162/195 [01:00<00:06,  4.95it/s]
 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                       | 164/195 [01:00<00:04,  6.39it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                       | 164/195 [01:01<00:04,  6.39it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.4.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                       | 164/195 [01:01<00:04,  6.39it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:52] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.5.input_layernorm.weight", shape: (4096,), dtype: float16
+
 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                       | 164/195 [01:01<00:04,  6.39it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                       | 164/195 [01:01<00:04,  6.39it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 84%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                       | 164/195 [01:01<00:04,  6.39it/s]
 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                    | 167/195 [01:01<00:03,  7.36it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                    | 167/195 [01:01<00:03,  7.36it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                    | 167/195 [01:01<00:03,  7.36it/s]
 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                    | 168/195 [01:01<00:05,  4.97it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:52] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.5.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                    | 168/195 [01:01<00:05,  4.97it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                    | 168/195 [01:01<00:05,  4.97it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:52] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 86%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉                    | 168/195 [01:01<00:05,  4.97it/s]
 87%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                  | 170/195 [01:01<00:03,  6.40it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 87%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                  | 170/195 [01:02<00:03,  6.40it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.5.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 87%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                  | 170/195 [01:02<00:03,  6.40it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:53] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.6.input_layernorm.weight", shape: (4096,), dtype: float16
+
 87%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                  | 170/195 [01:02<00:03,  6.40it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 87%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                  | 170/195 [01:02<00:03,  6.40it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 87%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍                  | 170/195 [01:02<00:03,  6.40it/s]
 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 173/195 [01:02<00:02,  7.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 173/195 [01:02<00:02,  7.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 89%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋                | 173/195 [01:02<00:02,  7.38it/s]
 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍               | 174/195 [01:02<00:04,  4.98it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:53] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.6.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍               | 174/195 [01:02<00:04,  4.98it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍               | 174/195 [01:02<00:04,  4.98it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:53] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍               | 174/195 [01:02<00:04,  4.98it/s]
 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊              | 176/195 [01:02<00:02,  6.41it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊              | 176/195 [01:02<00:02,  6.41it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.6.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊              | 176/195 [01:02<00:02,  6.41it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.7.input_layernorm.weight", shape: (4096,), dtype: float16
+
 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊              | 176/195 [01:02<00:02,  6.41it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊              | 176/195 [01:03<00:02,  6.41it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 90%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊              | 176/195 [01:03<00:02,  6.41it/s]
 92%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████            | 179/195 [01:03<00:02,  7.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 92%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████            | 179/195 [01:03<00:02,  7.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 92%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████���█████████████            | 179/195 [01:03<00:02,  7.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.7.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 92%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████            | 179/195 [01:03<00:02,  7.38it/s]
 93%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌          | 181/195 [01:03<00:02,  5.78it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 93%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌          | 181/195 [01:03<00:02,  5.78it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 93%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌          | 181/195 [01:03<00:02,  5.78it/s]
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎         | 182/195 [01:03<00:02,  6.11it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎         | 182/195 [01:03<00:02,  6.11it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.7.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎         | 182/195 [01:03<00:02,  6.11it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:54] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.8.input_layernorm.weight", shape: (4096,), dtype: float16
+
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎         | 182/195 [01:03<00:02,  6.11it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎         | 182/195 [01:04<00:02,  6.11it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 93%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎         | 182/195 [01:04<00:02,  6.11it/s]
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌       | 185/195 [01:04<00:01,  7.18it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌       | 185/195 [01:04<00:01,  7.18it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 95%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌       | 185/195 [01:04<00:01,  7.18it/s]
 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎      | 186/195 [01:04<00:01,  4.87it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:55] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.8.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎      | 186/195 [01:04<00:01,  4.87it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎      | 186/195 [01:04<00:01,  4.87it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎      | 186/195 [01:04<00:01,  4.87it/s]
 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊     | 188/195 [01:04<00:01,  6.32it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊     | 188/195 [01:04<00:01,  6.32it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:55] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.8.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊     | 188/195 [01:04<00:01,  6.32it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:55] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.9.input_layernorm.weight", shape: (4096,), dtype: float16
+
 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊     | 188/195 [01:04<00:01,  6.32it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.mlp.down_proj.q_weight", shape: (4096, 1792), dtype: uint32
+
 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊     | 188/195 [01:05<00:01,  6.32it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.mlp.down_proj.q_scale", shape: (4096, 448), dtype: float16
+
 96%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊     | 188/195 [01:05<00:01,  6.32it/s]
 98%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████   | 191/195 [01:05<00:00,  7.28it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.mlp.gate_up_proj.q_weight", shape: (28672, 512), dtype: uint32
+
 98%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████   | 191/195 [01:05<00:00,  7.28it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.mlp.gate_up_proj.q_scale", shape: (28672, 128), dtype: float16
+
 98%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████   | 191/195 [01:05<00:00,  7.28it/s]
 98%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊  | 192/195 [01:05<00:00,  4.94it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:56] INFO huggingface_loader.py:129: [Not quantized] Parameter: "model.layers.9.post_attention_layernorm.weight", shape: (4096,), dtype: float16
+
 98%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊  | 192/195 [01:05<00:00,  4.94it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.self_attn.qkv_proj.q_weight", shape: (6144, 512), dtype: uint32
+
 98%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊  | 192/195 [01:05<00:00,  4.94it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.self_attn.qkv_proj.q_scale", shape: (6144, 128), dtype: float16
+
 98%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊  | 192/195 [01:05<00:00,  4.94it/s]
 99%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎| 194/195 [01:05<00:00,  6.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.self_attn.o_proj.q_weight", shape: (4096, 512), dtype: uint32
+
 99%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎| 194/195 [01:05<00:00,  6.38it/s]
                                                                                                                                                                                        
[2023-12-17 15:50:56] INFO huggingface_loader.py:121: [Quantized] Parameter: "model.layers.9.self_attn.o_proj.q_scale", shape: (4096, 128), dtype: float16
+
 99%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎| 194/195 [01:05<00:00,  6.38it/s]
100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 195/195 [01:05<00:00,  2.96it/s]
+[2023-12-17 15:50:56] INFO huggingface_loader.py:179: Unloading HF weight file: /ssd1/cfruan/models/OpenHermes-2.5-Mistral-7B/pytorch_model-00001-of-00002.bin
+[2023-12-17 15:50:57] INFO stats.py:71: Time usage: HF loading: 29.699 sec; Pre-quantization mapping: 30.132 sec; Quantization: 4.135 sec
+[2023-12-17 15:50:57] INFO stats.py:85: RAM usage: Peak RAM: 18.520 GB. Total bytes loaded from disk: 26.978 GB
+[2023-12-17 15:50:57] INFO convert_weight.py:109: Parameter size after quantization: 3.794 GB
+[2023-12-17 15:50:57] INFO convert_weight.py:114: Total parameters: 7,241,748,480
+[2023-12-17 15:50:57] INFO convert_weight.py:115: Bits per parameter: 4.500
+Start storing to cache /tmp/tmp_go5n9_8
+

[0001/0325] saving lm_head.q_weight
                                   
[0002/0325] saving lm_head.q_scale
                                   
[0003/0325] saving model.layers.22.input_layernorm.weight
                                                         
[0004/0325] saving model.layers.22.mlp.down_proj.q_weight
                                                         
[0005/0325] saving model.layers.22.mlp.down_proj.q_scale
                                                         
[0006/0325] saving model.layers.22.mlp.gate_up_proj.q_weight
                                                            
[0007/0325] saving model.layers.22.mlp.gate_up_proj.q_scale
                                                            
[0008/0325] saving model.layers.22.post_attention_layernorm.weight
                                                                  
[0009/0325] saving model.layers.23.input_layernorm.weight
                                                                  
[0010/0325] saving model.layers.23.mlp.down_proj.q_weight
                                                                  
[0011/0325] saving model.layers.23.mlp.down_proj.q_scale
                                                                  
[0012/0325] saving model.layers.23.mlp.gate_up_proj.q_weight
                                                                  
[0013/0325] saving model.layers.23.mlp.gate_up_proj.q_scale
                                                                  
[0014/0325] saving model.layers.23.post_attention_layernorm.weight
                                                                  
[0015/0325] saving model.layers.23.self_attn.qkv_proj.q_weight
                                                                  
[0016/0325] saving model.layers.23.self_attn.qkv_proj.q_scale
                                                                  
[0017/0325] saving model.layers.23.self_attn.o_proj.q_weight
                                                                  
[0018/0325] saving model.layers.23.self_attn.o_proj.q_scale
                                                                  
[0019/0325] saving model.layers.24.input_layernorm.weight
                                                                  
[0020/0325] saving model.layers.24.mlp.down_proj.q_weight
                                                                  
[0021/0325] saving model.layers.24.mlp.down_proj.q_scale
                                                                  
[0022/0325] saving model.layers.24.mlp.gate_up_proj.q_weight
                                                                  
[0023/0325] saving model.layers.24.mlp.gate_up_proj.q_scale
                                                                  
[0024/0325] saving model.layers.24.post_attention_layernorm.weight
                                                                  
[0025/0325] saving model.layers.24.self_attn.qkv_proj.q_weight
                                                                  
[0026/0325] saving model.layers.24.self_attn.qkv_proj.q_scale
                                                                  
[0027/0325] saving model.layers.24.self_attn.o_proj.q_weight
                                                                  
[0028/0325] saving model.layers.24.self_attn.o_proj.q_scale
                                                                  
[0029/0325] saving model.layers.25.input_layernorm.weight
                                                                  
[0030/0325] saving model.layers.25.mlp.down_proj.q_weight
                                                                  
[0031/0325] saving model.layers.25.mlp.down_proj.q_scale
                                                                  
[0032/0325] saving model.layers.25.mlp.gate_up_proj.q_weight
                                                                  
[0033/0325] saving model.layers.25.mlp.gate_up_proj.q_scale
                                                                  
[0034/0325] saving model.layers.25.post_attention_layernorm.weight
                                                                  
[0035/0325] saving model.layers.25.self_attn.qkv_proj.q_weight
                                                                  
[0036/0325] saving model.layers.25.self_attn.qkv_proj.q_scale
                                                                  
[0037/0325] saving model.layers.25.self_attn.o_proj.q_weight
                                                                  
[0038/0325] saving model.layers.25.self_attn.o_proj.q_scale
                                                                  
[0039/0325] saving model.layers.26.input_layernorm.weight
                                                                  
[0040/0325] saving model.layers.26.mlp.down_proj.q_weight
                                                                  
[0041/0325] saving model.layers.26.mlp.down_proj.q_scale
                                                                  
[0042/0325] saving model.layers.26.mlp.gate_up_proj.q_weight
                                                                  
[0043/0325] saving model.layers.26.mlp.gate_up_proj.q_scale
                                                                  
[0044/0325] saving model.layers.26.post_attention_layernorm.weight
                                                                  
[0045/0325] saving model.layers.26.self_attn.qkv_proj.q_weight
                                                                  
[0046/0325] saving model.layers.26.self_attn.qkv_proj.q_scale
                                                                  
[0047/0325] saving model.layers.26.self_attn.o_proj.q_weight
                                                                  
[0048/0325] saving model.layers.26.self_attn.o_proj.q_scale
                                                                  
[0049/0325] saving model.layers.27.input_layernorm.weight
                                                                  
[0050/0325] saving model.layers.27.mlp.down_proj.q_weight
                                                                  
[0051/0325] saving model.layers.27.mlp.down_proj.q_scale
                                                                  
[0052/0325] saving model.layers.27.mlp.gate_up_proj.q_weight
                                                                  
[0053/0325] saving model.layers.27.mlp.gate_up_proj.q_scale
                                                                  
[0054/0325] saving model.layers.27.post_attention_layernorm.weight
                                                                  
[0055/0325] saving model.layers.27.self_attn.qkv_proj.q_weight
                                                                  
[0056/0325] saving model.layers.27.self_attn.qkv_proj.q_scale
                                                                  
[0057/0325] saving model.layers.27.self_attn.o_proj.q_weight
                                                                  
[0058/0325] saving model.layers.27.self_attn.o_proj.q_scale
                                                                  
[0059/0325] saving model.layers.28.input_layernorm.weight
                                                                  
[0060/0325] saving model.layers.28.mlp.down_proj.q_weight
                                                                  
[0061/0325] saving model.layers.28.mlp.down_proj.q_scale
                                                                  
[0062/0325] saving model.layers.28.mlp.gate_up_proj.q_weight
                                                                  
[0063/0325] saving model.layers.28.mlp.gate_up_proj.q_scale
                                                                  
[0064/0325] saving model.layers.28.post_attention_layernorm.weight
                                                                  
[0065/0325] saving model.layers.28.self_attn.qkv_proj.q_weight
                                                                  
[0066/0325] saving model.layers.28.self_attn.qkv_proj.q_scale
                                                                  
[0067/0325] saving model.layers.28.self_attn.o_proj.q_weight
                                                                  
[0068/0325] saving model.layers.28.self_attn.o_proj.q_scale
                                                                  
[0069/0325] saving model.layers.29.input_layernorm.weight
                                                                  
[0070/0325] saving model.layers.29.mlp.down_proj.q_weight
                                                                  
[0071/0325] saving model.layers.29.mlp.down_proj.q_scale
                                                                  
[0072/0325] saving model.layers.29.mlp.gate_up_proj.q_weight
                                                                  
[0073/0325] saving model.layers.29.mlp.gate_up_proj.q_scale
                                                                  
[0074/0325] saving model.layers.29.post_attention_layernorm.weight
                                                                  
[0075/0325] saving model.layers.29.self_attn.qkv_proj.q_weight
                                                                  
[0076/0325] saving model.layers.29.self_attn.qkv_proj.q_scale
                                                                  
[0077/0325] saving model.layers.29.self_attn.o_proj.q_weight
                                                                  
[0078/0325] saving model.layers.29.self_attn.o_proj.q_scale
                                                                  
[0079/0325] saving model.layers.30.input_layernorm.weight
                                                                  
[0080/0325] saving model.layers.30.mlp.down_proj.q_weight
                                                                  
[0081/0325] saving model.layers.30.mlp.down_proj.q_scale
                                                                  
[0082/0325] saving model.layers.30.mlp.gate_up_proj.q_weight
                                                                  
[0083/0325] saving model.layers.30.mlp.gate_up_proj.q_scale
                                                                  
[0084/0325] saving model.layers.30.post_attention_layernorm.weight
                                                                  
[0085/0325] saving model.layers.30.self_attn.qkv_proj.q_weight
                                                                  
[0086/0325] saving model.layers.30.self_attn.qkv_proj.q_scale
                                                                  
[0087/0325] saving model.layers.30.self_attn.o_proj.q_weight
                                                                  
[0088/0325] saving model.layers.30.self_attn.o_proj.q_scale
                                                                  
[0089/0325] saving model.layers.31.input_layernorm.weight
                                                                  
[0090/0325] saving model.layers.31.mlp.down_proj.q_weight
                                                                  
[0091/0325] saving model.layers.31.mlp.down_proj.q_scale
                                                                  
[0092/0325] saving model.layers.31.mlp.gate_up_proj.q_weight
                                                                  
[0093/0325] saving model.layers.31.mlp.gate_up_proj.q_scale
                                                                  
[0094/0325] saving model.layers.31.post_attention_layernorm.weight
                                                                  
[0095/0325] saving model.layers.31.self_attn.qkv_proj.q_weight
                                                                  
[0096/0325] saving model.layers.31.self_attn.qkv_proj.q_scale
                                                                  
[0097/0325] saving model.layers.31.self_attn.o_proj.q_weight
                                                                  
[0098/0325] saving model.layers.31.self_attn.o_proj.q_scale
                                                                  
[0099/0325] saving model.norm.weight
                                                                  
[0100/0325] saving model.embed_tokens.q_weight
                                                                  
[0101/0325] saving model.embed_tokens.q_scale
                                                                  
[0102/0325] saving model.layers.0.input_layernorm.weight
                                                                  
[0103/0325] saving model.layers.0.mlp.down_proj.q_weight
                                                                  
[0104/0325] saving model.layers.0.mlp.down_proj.q_scale
                                                                  
[0105/0325] saving model.layers.0.mlp.gate_up_proj.q_weight
                                                                  
[0106/0325] saving model.layers.0.mlp.gate_up_proj.q_scale
                                                                  
[0107/0325] saving model.layers.0.post_attention_layernorm.weight
                                                                  
[0108/0325] saving model.layers.0.self_attn.qkv_proj.q_weight
                                                                  
[0109/0325] saving model.layers.0.self_attn.qkv_proj.q_scale
                                                                  
[0110/0325] saving model.layers.0.self_attn.o_proj.q_weight
                                                                  
[0111/0325] saving model.layers.0.self_attn.o_proj.q_scale
                                                                  
[0112/0325] saving model.layers.1.input_layernorm.weight
                                                                  
[0113/0325] saving model.layers.1.mlp.down_proj.q_weight
                                                                  
[0114/0325] saving model.layers.1.mlp.down_proj.q_scale
                                                                  
[0115/0325] saving model.layers.1.mlp.gate_up_proj.q_weight
                                                                  
[0116/0325] saving model.layers.1.mlp.gate_up_proj.q_scale
                                                                  
[0117/0325] saving model.layers.1.post_attention_layernorm.weight
                                                                  
[0118/0325] saving model.layers.1.self_attn.qkv_proj.q_weight
                                                                  
[0119/0325] saving model.layers.1.self_attn.qkv_proj.q_scale
                                                                  
[0120/0325] saving model.layers.1.self_attn.o_proj.q_weight
                                                                  
[0121/0325] saving model.layers.1.self_attn.o_proj.q_scale
                                                                  
[0122/0325] saving model.layers.10.input_layernorm.weight
                                                                  
[0123/0325] saving model.layers.10.mlp.down_proj.q_weight
                                                                  
[0124/0325] saving model.layers.10.mlp.down_proj.q_scale
                                                                  
[0125/0325] saving model.layers.10.mlp.gate_up_proj.q_weight
                                                                  
[0126/0325] saving model.layers.10.mlp.gate_up_proj.q_scale
                                                                  
[0127/0325] saving model.layers.10.post_attention_layernorm.weight
                                                                  
[0128/0325] saving model.layers.10.self_attn.qkv_proj.q_weight
                                                                  
[0129/0325] saving model.layers.10.self_attn.qkv_proj.q_scale
                                                                  
[0130/0325] saving model.layers.10.self_attn.o_proj.q_weight
                                                                  
[0131/0325] saving model.layers.10.self_attn.o_proj.q_scale
                                                                  
[0132/0325] saving model.layers.11.input_layernorm.weight
                                                                  
[0133/0325] saving model.layers.11.mlp.down_proj.q_weight
                                                                  
[0134/0325] saving model.layers.11.mlp.down_proj.q_scale
                                                                  
[0135/0325] saving model.layers.11.mlp.gate_up_proj.q_weight
                                                                  
[0136/0325] saving model.layers.11.mlp.gate_up_proj.q_scale
                                                                  
[0137/0325] saving model.layers.11.post_attention_layernorm.weight
                                                                  
[0138/0325] saving model.layers.11.self_attn.qkv_proj.q_weight
                                                                  
[0139/0325] saving model.layers.11.self_attn.qkv_proj.q_scale
                                                                  
[0140/0325] saving model.layers.11.self_attn.o_proj.q_weight
                                                                  
[0141/0325] saving model.layers.11.self_attn.o_proj.q_scale
                                                                  
[0142/0325] saving model.layers.12.input_layernorm.weight
                                                                  
[0143/0325] saving model.layers.12.mlp.down_proj.q_weight
                                                                  
[0144/0325] saving model.layers.12.mlp.down_proj.q_scale
                                                                  
[0145/0325] saving model.layers.12.mlp.gate_up_proj.q_weight
                                                                  
[0146/0325] saving model.layers.12.mlp.gate_up_proj.q_scale
                                                                  
[0147/0325] saving model.layers.12.post_attention_layernorm.weight
                                                                  
[0148/0325] saving model.layers.12.self_attn.qkv_proj.q_weight
                                                                  
[0149/0325] saving model.layers.12.self_attn.qkv_proj.q_scale
                                                                  
[0150/0325] saving model.layers.12.self_attn.o_proj.q_weight
                                                                  
[0151/0325] saving model.layers.12.self_attn.o_proj.q_scale
                                                                  
[0152/0325] saving model.layers.13.input_layernorm.weight
                                                                  
[0153/0325] saving model.layers.13.mlp.down_proj.q_weight
                                                                  
[0154/0325] saving model.layers.13.mlp.down_proj.q_scale
                                                                  
[0155/0325] saving model.layers.13.mlp.gate_up_proj.q_weight
                                                                  
[0156/0325] saving model.layers.13.mlp.gate_up_proj.q_scale
                                                                  
[0157/0325] saving model.layers.13.post_attention_layernorm.weight
                                                                  
[0158/0325] saving model.layers.13.self_attn.qkv_proj.q_weight
                                                                  
[0159/0325] saving model.layers.13.self_attn.qkv_proj.q_scale
                                                                  
[0160/0325] saving model.layers.13.self_attn.o_proj.q_weight
                                                                  
[0161/0325] saving model.layers.13.self_attn.o_proj.q_scale
                                                                  
[0162/0325] saving model.layers.14.input_layernorm.weight
                                                                  
[0163/0325] saving model.layers.14.mlp.down_proj.q_weight
                                                                  
[0164/0325] saving model.layers.14.mlp.down_proj.q_scale
                                                                  
[0165/0325] saving model.layers.14.mlp.gate_up_proj.q_weight
                                                                  
[0166/0325] saving model.layers.14.mlp.gate_up_proj.q_scale
                                                                  
[0167/0325] saving model.layers.14.post_attention_layernorm.weight
                                                                  
[0168/0325] saving model.layers.14.self_attn.qkv_proj.q_weight
                                                                  
[0169/0325] saving model.layers.14.self_attn.qkv_proj.q_scale
                                                                  
[0170/0325] saving model.layers.14.self_attn.o_proj.q_weight
                                                                  
[0171/0325] saving model.layers.14.self_attn.o_proj.q_scale
                                                                  
[0172/0325] saving model.layers.15.input_layernorm.weight
                                                                  
[0173/0325] saving model.layers.15.mlp.down_proj.q_weight
                                                                  
[0174/0325] saving model.layers.15.mlp.down_proj.q_scale
                                                                  
[0175/0325] saving model.layers.15.mlp.gate_up_proj.q_weight
                                                                  
[0176/0325] saving model.layers.15.mlp.gate_up_proj.q_scale
                                                                  
[0177/0325] saving model.layers.15.post_attention_layernorm.weight
                                                                  
[0178/0325] saving model.layers.15.self_attn.qkv_proj.q_weight
                                                                  
[0179/0325] saving model.layers.15.self_attn.qkv_proj.q_scale
                                                                  
[0180/0325] saving model.layers.15.self_attn.o_proj.q_weight
                                                                  
[0181/0325] saving model.layers.15.self_attn.o_proj.q_scale
                                                                  
[0182/0325] saving model.layers.16.input_layernorm.weight
                                                                  
[0183/0325] saving model.layers.16.mlp.down_proj.q_weight
                                                                  
[0184/0325] saving model.layers.16.mlp.down_proj.q_scale
                                                                  
[0185/0325] saving model.layers.16.mlp.gate_up_proj.q_weight
                                                                  
[0186/0325] saving model.layers.16.mlp.gate_up_proj.q_scale
                                                                  
[0187/0325] saving model.layers.16.post_attention_layernorm.weight
                                                                  
[0188/0325] saving model.layers.16.self_attn.qkv_proj.q_weight
                                                                  
[0189/0325] saving model.layers.16.self_attn.qkv_proj.q_scale
                                                                  
[0190/0325] saving model.layers.16.self_attn.o_proj.q_weight
                                                                  
[0191/0325] saving model.layers.16.self_attn.o_proj.q_scale
                                                                  
[0192/0325] saving model.layers.17.input_layernorm.weight
                                                                  
[0193/0325] saving model.layers.17.mlp.down_proj.q_weight
                                                                  
[0194/0325] saving model.layers.17.mlp.down_proj.q_scale
                                                                  
[0195/0325] saving model.layers.17.mlp.gate_up_proj.q_weight
                                                                  
[0196/0325] saving model.layers.17.mlp.gate_up_proj.q_scale
                                                                  
[0197/0325] saving model.layers.17.post_attention_layernorm.weight
                                                                  
[0198/0325] saving model.layers.17.self_attn.qkv_proj.q_weight
                                                                  
[0199/0325] saving model.layers.17.self_attn.qkv_proj.q_scale
                                                                  
[0200/0325] saving model.layers.17.self_attn.o_proj.q_weight
                                                                  
[0201/0325] saving model.layers.17.self_attn.o_proj.q_scale
                                                                  
[0202/0325] saving model.layers.18.input_layernorm.weight
                                                                  
[0203/0325] saving model.layers.18.mlp.down_proj.q_weight
                                                                  
[0204/0325] saving model.layers.18.mlp.down_proj.q_scale
                                                                  
[0205/0325] saving model.layers.18.mlp.gate_up_proj.q_weight
                                                                  
[0206/0325] saving model.layers.18.mlp.gate_up_proj.q_scale
                                                                  
[0207/0325] saving model.layers.18.post_attention_layernorm.weight
                                                                  
[0208/0325] saving model.layers.18.self_attn.qkv_proj.q_weight
                                                                  
[0209/0325] saving model.layers.18.self_attn.qkv_proj.q_scale
                                                                  
[0210/0325] saving model.layers.18.self_attn.o_proj.q_weight
                                                                  
[0211/0325] saving model.layers.18.self_attn.o_proj.q_scale
                                                                  
[0212/0325] saving model.layers.19.input_layernorm.weight
                                                                  
[0213/0325] saving model.layers.19.mlp.down_proj.q_weight
                                                                  
[0214/0325] saving model.layers.19.mlp.down_proj.q_scale
                                                                  
[0215/0325] saving model.layers.19.mlp.gate_up_proj.q_weight
                                                                  
[0216/0325] saving model.layers.19.mlp.gate_up_proj.q_scale
                                                                  
[0217/0325] saving model.layers.19.post_attention_layernorm.weight
                                                                  
[0218/0325] saving model.layers.19.self_attn.qkv_proj.q_weight
                                                                  
[0219/0325] saving model.layers.19.self_attn.qkv_proj.q_scale
                                                                  
[0220/0325] saving model.layers.19.self_attn.o_proj.q_weight
                                                                  
[0221/0325] saving model.layers.19.self_attn.o_proj.q_scale
                                                                  
[0222/0325] saving model.layers.2.input_layernorm.weight
                                                                  
[0223/0325] saving model.layers.2.mlp.down_proj.q_weight
                                                                  
[0224/0325] saving model.layers.2.mlp.down_proj.q_scale
                                                                  
[0225/0325] saving model.layers.2.mlp.gate_up_proj.q_weight
                                                                  
[0226/0325] saving model.layers.2.mlp.gate_up_proj.q_scale
                                                                  
[0227/0325] saving model.layers.2.post_attention_layernorm.weight
                                                                  
[0228/0325] saving model.layers.2.self_attn.qkv_proj.q_weight
                                                                  
[0229/0325] saving model.layers.2.self_attn.qkv_proj.q_scale
                                                                  
[0230/0325] saving model.layers.2.self_attn.o_proj.q_weight
                                                                  
[0231/0325] saving model.layers.2.self_attn.o_proj.q_scale
                                                                  
[0232/0325] saving model.layers.20.input_layernorm.weight
                                                                  
[0233/0325] saving model.layers.20.mlp.down_proj.q_weight
                                                                  
[0234/0325] saving model.layers.20.mlp.down_proj.q_scale
                                                                  
[0235/0325] saving model.layers.20.mlp.gate_up_proj.q_weight
                                                                  
[0236/0325] saving model.layers.20.mlp.gate_up_proj.q_scale
                                                                  
[0237/0325] saving model.layers.20.post_attention_layernorm.weight
                                                                  
[0238/0325] saving model.layers.20.self_attn.qkv_proj.q_weight
                                                                  
[0239/0325] saving model.layers.20.self_attn.qkv_proj.q_scale
                                                                  
[0240/0325] saving model.layers.20.self_attn.o_proj.q_weight
                                                                  
[0241/0325] saving model.layers.20.self_attn.o_proj.q_scale
                                                                  
[0242/0325] saving model.layers.21.input_layernorm.weight
                                                                  
[0243/0325] saving model.layers.21.mlp.down_proj.q_weight
                                                                  
[0244/0325] saving model.layers.21.mlp.down_proj.q_scale
                                                                  
[0245/0325] saving model.layers.21.mlp.gate_up_proj.q_weight
                                                                  
[0246/0325] saving model.layers.21.mlp.gate_up_proj.q_scale
                                                                  
[0247/0325] saving model.layers.21.post_attention_layernorm.weight
                                                                  
[0248/0325] saving model.layers.21.self_attn.qkv_proj.q_weight
                                                                  
[0249/0325] saving model.layers.21.self_attn.qkv_proj.q_scale
                                                                  
[0250/0325] saving model.layers.21.self_attn.o_proj.q_weight
                                                                  
[0251/0325] saving model.layers.21.self_attn.o_proj.q_scale
                                                                  
[0252/0325] saving model.layers.22.self_attn.qkv_proj.q_weight
                                                                  
[0253/0325] saving model.layers.22.self_attn.qkv_proj.q_scale
                                                                  
[0254/0325] saving model.layers.22.self_attn.o_proj.q_weight
                                                                  
[0255/0325] saving model.layers.22.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 15:51:04] INFO convert_weight.py:131: Saved to directory: /tmp/tmp_go5n9_8
+
                                                                  
[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, 107 total shards committed, record saved to /tmp/tmp_go5n9_8/ndarray-cache.json