| /home/cfruan/.conda/envs/mlc-source-311/bin/python -m mlc_chat gen_config /models/gemma-2b-it --quantization q0f16 --conv-template gemma_instruction --output /tmp/tmp5z9hcfjh --context-window-size 8192 --prefill-chunk-size 1024 | |
| [2024-02-21 21:55:25] INFO auto_config.py:115: [92mFound[0m model configuration: /models/gemma-2b-it/config.json | |
| [2024-02-21 21:55:25] INFO auto_config.py:153: [92mFound[0m model type: [1mgemma[0m. Use `--model-type` to override. | |
| [2024-02-21 21:55:25] INFO gemma_model.py:55: [1mcontext_window_size[0m not found in config.json. Falling back to [1mmax_position_embeddings[0m (8192) | |
| [2024-02-21 21:55:25] INFO gemma_model.py:70: [1mprefill_chunk_size[0m defaults to [1mcontext_window_size[0m (8192) | |
| [2024-02-21 21:55:25] INFO config.py:106: Overriding [1mcontext_window_size[0m from 8192 to 8192 | |
| [2024-02-21 21:55:25] INFO config.py:106: Overriding [1mprefill_chunk_size[0m from 8192 to 1024 | |
| [2024-02-21 21:55:25] INFO config.py:106: Overriding [1mmax_batch_size[0m from 1 to 80 | |
| [2024-02-21 21:55:25] INFO gen_config.py:121: [generation_config.json] Setting [1mbos_token_id[0m: 2 | |
| [2024-02-21 21:55:25] INFO gen_config.py:121: [generation_config.json] Setting [1meos_token_id[0m: 1 | |
| [2024-02-21 21:55:25] INFO gen_config.py:121: [generation_config.json] Setting [1mpad_token_id[0m: 0 | |
| [2024-02-21 21:55:25] INFO gen_config.py:133: [92mFound[0m tokenizer config: /models/gemma-2b-it/tokenizer.model. Copying to [1m/tmp/tmp5z9hcfjh/tokenizer.model[0m | |
| [2024-02-21 21:55:25] INFO gen_config.py:133: [92mFound[0m tokenizer config: /models/gemma-2b-it/tokenizer.json. Copying to [1m/tmp/tmp5z9hcfjh/tokenizer.json[0m | |
| [2024-02-21 21:55:25] INFO gen_config.py:135: [91mNot found[0m tokenizer config: /models/gemma-2b-it/vocab.json | |
| [2024-02-21 21:55:25] INFO gen_config.py:135: [91mNot found[0m tokenizer config: /models/gemma-2b-it/merges.txt | |
| [2024-02-21 21:55:25] INFO gen_config.py:135: [91mNot found[0m tokenizer config: /models/gemma-2b-it/added_tokens.json | |
| [2024-02-21 21:55:25] INFO gen_config.py:133: [92mFound[0m tokenizer config: /models/gemma-2b-it/tokenizer_config.json. Copying to [1m/tmp/tmp5z9hcfjh/tokenizer_config.json[0m | |
| [2024-02-21 21:55:25] INFO gen_config.py:74: [System default] Setting [1mtemperature[0m: 0.7 | |
| [2024-02-21 21:55:25] INFO gen_config.py:74: [System default] Setting [1mpresence_penalty[0m: 0.0 | |
| [2024-02-21 21:55:25] INFO gen_config.py:74: [System default] Setting [1mfrequency_penalty[0m: 0.0 | |
| [2024-02-21 21:55:25] INFO gen_config.py:74: [System default] Setting [1mrepetition_penalty[0m: 1.0 | |
| [2024-02-21 21:55:25] INFO gen_config.py:74: [System default] Setting [1mtop_p[0m: 0.95 | |
| [2024-02-21 21:55:25] INFO gen_config.py:74: [System default] Setting [1mmean_gen_len[0m: 128 | |
| [2024-02-21 21:55:25] INFO gen_config.py:74: [System default] Setting [1mmax_gen_len[0m: 512 | |
| [2024-02-21 21:55:25] INFO gen_config.py:74: [System default] Setting [1mshift_fill_factor[0m: 0.3 | |
| [2024-02-21 21:55:25] INFO gen_config.py:186: Dumping configuration file to: [1m/tmp/tmp5z9hcfjh/mlc-chat-config.json[0m | |
| /home/cfruan/.conda/envs/mlc-source-311/bin/python -m mlc_chat convert_weight /models/gemma-2b-it --quantization q0f16 --source-format auto --output /tmp/tmp5z9hcfjh | |
| [2024-02-21 21:55:27] INFO auto_config.py:115: [92mFound[0m model configuration: /models/gemma-2b-it/config.json | |
| [2024-02-21 21:55:29] INFO auto_device.py:76: [92mFound[0m device: cuda:0 | |
| [2024-02-21 21:55:29] INFO auto_device.py:76: [92mFound[0m device: cuda:1 | |
| [2024-02-21 21:55:30] INFO auto_device.py:85: [91mNot found[0m device: rocm:0 | |
| [2024-02-21 21:55:31] INFO auto_device.py:85: [91mNot found[0m device: metal:0 | |
| [2024-02-21 21:55:41] INFO auto_device.py:76: [92mFound[0m device: vulkan:0 | |
| [2024-02-21 21:55:41] INFO auto_device.py:76: [92mFound[0m device: vulkan:1 | |
| [2024-02-21 21:55:41] INFO auto_device.py:76: [92mFound[0m device: vulkan:2 | |
| [2024-02-21 21:55:42] INFO auto_device.py:85: [91mNot found[0m device: opencl:0 | |
| [2024-02-21 21:55:42] INFO auto_device.py:33: Using device: [1mcuda:0[0m | |
| [2024-02-21 21:55:42] INFO auto_weight.py:70: Finding weights in: /models/gemma-2b-it | |
| [2024-02-21 21:55:42] INFO auto_weight.py:136: [91mNot found[0m Huggingface PyTorch | |
| [2024-02-21 21:55:42] INFO auto_weight.py:143: [92mFound[0m source weight format: huggingface-safetensor. Source configuration: /models/gemma-2b-it/model.safetensors.index.json | |
| [2024-02-21 21:55:42] INFO auto_weight.py:106: Using source weight configuration: [1m/models/gemma-2b-it/model.safetensors.index.json[0m. Use `--source` to override. | |
| [2024-02-21 21:55:42] INFO auto_weight.py:110: Using source weight format: [1mhuggingface-safetensor[0m. Use `--source-format` to override. | |
| [2024-02-21 21:55:42] INFO auto_config.py:153: [92mFound[0m model type: [1mgemma[0m. Use `--model-type` to override. | |
| [2024-02-21 21:55:42] INFO gemma_model.py:55: [1mcontext_window_size[0m not found in config.json. Falling back to [1mmax_position_embeddings[0m (8192) | |
| [2024-02-21 21:55:42] INFO gemma_model.py:70: [1mprefill_chunk_size[0m defaults to [1mcontext_window_size[0m (8192) | |
| [1mWeight conversion with arguments:[0m | |
| [1m--config[0m /models/gemma-2b-it/config.json | |
| [1m--quantization[0m NoQuantize(name='q0f16', kind='no-quant', model_dtype='float16') | |
| [1m--model-type[0m gemma | |
| [1m--device[0m cuda:0 | |
| [1m--source[0m /models/gemma-2b-it/model.safetensors.index.json | |
| [1m--source-format[0m huggingface-safetensor | |
| [1m--output[0m /tmp/tmp5z9hcfjh | |
| 0%| | 0/110 [00:00<?, ?it/s] [2024-02-21 21:55:43] INFO huggingface_loader.py:182: Loading HF parameters from: /models/gemma-2b-it/model-00001-of-00002.safetensors | |
| 0%| | 0/110 [00:00<?, ?it/s] [2024-02-21 21:56:00] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.embed_tokens.weight[0m", shape: (256000, 2048), dtype: float16 | |
| 0%| | 0/110 [00:16<?, ?it/s] 1%|██▎ | 1/110 [00:17<31:55, 17.57s/it] [2024-02-21 21:56:01] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.0.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 1%|██▎ | 1/110 [00:17<31:55, 17.57s/it] [2024-02-21 21:56:01] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.0.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 1%|██▎ | 1/110 [00:17<31:55, 17.57s/it] 3%|██████▊ | 3/110 [00:17<08:15, 4.63s/it] [2024-02-21 21:56:01] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.0.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 3%|██████▊ | 3/110 [00:18<08:15, 4.63s/it] 4%|█████████ | 4/110 [00:18<05:38, 3.20s/it] [2024-02-21 21:56:01] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.0.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 4%|█████████ | 4/110 [00:18<05:38, 3.20s/it] [2024-02-21 21:56:01] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.0.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 4%|█████████ | 4/110 [00:18<05:38, 3.20s/it] [2024-02-21 21:56:01] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.0.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 4%|█████████ | 4/110 [00:18<05:38, 3.20s/it] [2024-02-21 21:56:01] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.1.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 4%|█████████ | 4/110 [00:18<05:38, 3.20s/it] [2024-02-21 21:56:01] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.1.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 4%|█████████ | 4/110 [00:18<05:38, 3.20s/it] 8%|████████████████████▍ | 9/110 [00:18<01:36, 1.04it/s] [2024-02-21 21:56:02] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.1.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 8%|████████████████████▍ | 9/110 [00:18<01:36, 1.04it/s] [2024-02-21 21:56:02] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.1.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 8%|████████████████████▍ | 9/110 [00:19<01:36, 1.04it/s] 10%|████████████████████████▉ | 11/110 [00:19<01:14, 1.33it/s] [2024-02-21 21:56:02] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.1.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 10%|████████████████████████▉ | 11/110 [00:19<01:14, 1.33it/s] [2024-02-21 21:56:02] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.1.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 10%|████████████████████████▉ | 11/110 [00:19<01:14, 1.33it/s] [2024-02-21 21:56:02] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.10.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 10%|████████████████████████▉ | 11/110 [00:19<01:14, 1.33it/s] [2024-02-21 21:56:02] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.10.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 10%|████████████████████████▉ | 11/110 [00:19<01:14, 1.33it/s] 14%|█████████████████████████████████▉ | 15/110 [00:19<00:41, 2.27it/s] [2024-02-21 21:56:03] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.10.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 14%|█████████████████████████████████▉ | 15/110 [00:19<00:41, 2.27it/s] [2024-02-21 21:56:03] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.10.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 14%|█████████████████████████████████▉ | 15/110 [00:19<00:41, 2.27it/s] 15%|██████████████████████████████████████▍ | 17/110 [00:19<00:36, 2.55it/s] [2024-02-21 21:56:03] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.10.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 15%|██████████████████████████████████████▍ | 17/110 [00:19<00:36, 2.55it/s] [2024-02-21 21:56:03] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.10.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 15%|██████████████████████████████████████▍ | 17/110 [00:19<00:36, 2.55it/s] [2024-02-21 21:56:03] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.11.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 15%|██████████████████████████████████████▍ | 17/110 [00:19<00:36, 2.55it/s] [2024-02-21 21:56:03] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.11.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 15%|██████████████████████████████████████▍ | 17/110 [00:19<00:36, 2.55it/s] 19%|███████████████████████████████████████████████▌ | 21/110 [00:20<00:22, 3.89it/s] [2024-02-21 21:56:03] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.11.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 19%|███████████████████████████████████████████████▌ | 21/110 [00:20<00:22, 3.89it/s] [2024-02-21 21:56:03] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.11.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 19%|███████████████████████████████████████████████▌ | 21/110 [00:20<00:22, 3.89it/s] 21%|████████████████████████████████████████████████████ | 23/110 [00:20<00:22, 3.94it/s] [2024-02-21 21:56:04] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.11.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 21%|████████████████████████████████████████████████████ | 23/110 [00:20<00:22, 3.94it/s] [2024-02-21 21:56:04] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.11.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 21%|████████████████████████████████████████████████████ | 23/110 [00:20<00:22, 3.94it/s] [2024-02-21 21:56:04] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.12.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 21%|████████████████████████████████████████████████████ | 23/110 [00:20<00:22, 3.94it/s] [2024-02-21 21:56:04] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.12.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 21%|████████████████████████████████████████████████████ | 23/110 [00:20<00:22, 3.94it/s] 25%|█████████████████████████████████████████████████████████████ | 27/110 [00:20<00:14, 5.58it/s] [2024-02-21 21:56:04] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.12.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 25%|█████████████████████████████████████████████████████████████ | 27/110 [00:21<00:14, 5.58it/s] [2024-02-21 21:56:04] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.12.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 25%|█████████████████████████████████████████████████████████████ | 27/110 [00:21<00:14, 5.58it/s] 26%|█████████████████████████████████████████████████████████████████▋ | 29/110 [00:21<00:15, 5.19it/s] [2024-02-21 21:56:04] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.12.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 26%|█████████████████████████████████████████████████████████████████▋ | 29/110 [00:21<00:15, 5.19it/s] [2024-02-21 21:56:04] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.12.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 26%|█████████████████████████████████████████████████████████████████▋ | 29/110 [00:21<00:15, 5.19it/s] [2024-02-21 21:56:04] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.13.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 26%|█████████████████████████████████████████████████████████████████▋ | 29/110 [00:21<00:15, 5.19it/s] [2024-02-21 21:56:04] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.13.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 26%|█████████████████████████████████████████████████████████████████▋ | 29/110 [00:21<00:15, 5.19it/s] 30%|██████████████████████████████████████████████████████████████████████████▋ | 33/110 [00:21<00:11, 6.99it/s] [2024-02-21 21:56:05] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.13.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 30%|██████████████████████████████████████████████████████████████████████████▋ | 33/110 [00:21<00:11, 6.99it/s] [2024-02-21 21:56:05] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.13.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 30%|██████████████████████████████████████████████████████████████████████████▋ | 33/110 [00:21<00:11, 6.99it/s] 32%|███████████████████████████████████████████████████████████████████████████████▏ | 35/110 [00:21<00:12, 6.08it/s] [2024-02-21 21:56:05] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.13.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 32%|███████████████████████████████████████████████████████████████████████████████▏ | 35/110 [00:22<00:12, 6.08it/s] [2024-02-21 21:56:05] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.13.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 32%|███████████████████████████████████████████████████████████████████████████████▏ | 35/110 [00:22<00:12, 6.08it/s] [2024-02-21 21:56:05] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.14.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 32%|███████████████████████████████████████████████████████████████████████████████▏ | 35/110 [00:22<00:12, 6.08it/s] [2024-02-21 21:56:05] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.14.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 32%|███████████████████████████████████████████████████████████████████████████████▏ | 35/110 [00:22<00:12, 6.08it/s] 35%|████████████████████████████████████████████████████████████████████████████████████████▎ | 39/110 [00:22<00:08, 7.94it/s] [2024-02-21 21:56:06] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.14.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 35%|████████████████████████████████████████████████████████████████████████████████████████▎ | 39/110 [00:22<00:08, 7.94it/s] [2024-02-21 21:56:06] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.14.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 35%|████████████████████████████████████████████████████████████████████████████████████████▎ | 39/110 [00:22<00:08, 7.94it/s] 37%|████████████████████████████████████████████████████████████████████████████████████████████▊ | 41/110 [00:22<00:10, 6.65it/s] [2024-02-21 21:56:06] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.14.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 37%|████████████████████████████████████████████████████████████████████████████████████████████▊ | 41/110 [00:22<00:10, 6.65it/s] [2024-02-21 21:56:06] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.14.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 37%|████████████████████████████████████████████████████████████████████████████████████████████▊ | 41/110 [00:22<00:10, 6.65it/s] [2024-02-21 21:56:06] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.15.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 37%|████████████████████████████████████████████████████████████████████████████████████████████▊ | 41/110 [00:22<00:10, 6.65it/s] [2024-02-21 21:56:06] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.15.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 37%|████████████████████████████████████████████████████████████████████████████████████████████▊ | 41/110 [00:22<00:10, 6.65it/s] 41%|█████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 45/110 [00:22<00:07, 8.53it/s] [2024-02-21 21:56:06] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.15.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 41%|█████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 45/110 [00:23<00:07, 8.53it/s] [2024-02-21 21:56:06] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.15.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 41%|█████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 45/110 [00:23<00:07, 8.53it/s] 43%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 47/110 [00:23<00:09, 6.98it/s] [2024-02-21 21:56:06] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.15.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 43%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 47/110 [00:23<00:09, 6.98it/s] [2024-02-21 21:56:06] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.15.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 43%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 47/110 [00:23<00:09, 6.98it/s] [2024-02-21 21:56:06] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.16.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 43%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 47/110 [00:23<00:09, 6.98it/s] [2024-02-21 21:56:07] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.16.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 43%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 47/110 [00:23<00:09, 6.98it/s] 46%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 51/110 [00:23<00:06, 8.87it/s] [2024-02-21 21:56:07] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.16.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 46%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 51/110 [00:24<00:06, 8.87it/s] [2024-02-21 21:56:07] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.16.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 46%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 51/110 [00:24<00:06, 8.87it/s] 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 53/110 [00:24<00:07, 7.17it/s] [2024-02-21 21:56:07] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.16.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 53/110 [00:24<00:07, 7.17it/s] [2024-02-21 21:56:07] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.16.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 53/110 [00:24<00:07, 7.17it/s] [2024-02-21 21:56:08] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.17.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 48%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 53/110 [00:24<00:07, 7.17it/s] 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 56/110 [00:24<00:08, 6.61it/s] [2024-02-21 21:56:08] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.17.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 56/110 [00:24<00:08, 6.61it/s] [2024-02-21 21:56:08] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.17.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 56/110 [00:24<00:08, 6.61it/s] [2024-02-21 21:56:08] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.2.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 56/110 [00:24<00:08, 6.61it/s] [2024-02-21 21:56:08] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.2.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 51%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 56/110 [00:24<00:08, 6.61it/s] 55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 60/110 [00:24<00:05, 8.45it/s] [2024-02-21 21:56:08] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.2.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 60/110 [00:25<00:05, 8.45it/s] [2024-02-21 21:56:08] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.2.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 55%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 60/110 [00:25<00:05, 8.45it/s] 56%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 62/110 [00:25<00:06, 6.95it/s] [2024-02-21 21:56:08] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.2.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 56%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 62/110 [00:25<00:06, 6.95it/s] [2024-02-21 21:56:08] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.2.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 56%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 62/110 [00:25<00:06, 6.95it/s] [2024-02-21 21:56:08] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.3.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 56%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 62/110 [00:25<00:06, 6.95it/s] [2024-02-21 21:56:09] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.3.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 56%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 62/110 [00:25<00:06, 6.95it/s] 60%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 66/110 [00:25<00:05, 8.75it/s] [2024-02-21 21:56:09] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.3.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 60%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 66/110 [00:26<00:05, 8.75it/s] [2024-02-21 21:56:09] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.3.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 60%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 66/110 [00:26<00:05, 8.75it/s] 62%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 68/110 [00:26<00:05, 7.08it/s] [2024-02-21 21:56:09] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.3.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 62%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 68/110 [00:26<00:05, 7.08it/s] [2024-02-21 21:56:09] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.3.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 62%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 68/110 [00:26<00:05, 7.08it/s] [2024-02-21 21:56:09] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.4.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 62%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 68/110 [00:26<00:05, 7.08it/s] [2024-02-21 21:56:09] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.4.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 62%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 68/110 [00:26<00:05, 7.08it/s] 65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 72/110 [00:26<00:04, 8.95it/s] [2024-02-21 21:56:10] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.4.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 72/110 [00:26<00:04, 8.95it/s] [2024-02-21 21:56:10] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.4.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 65%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 72/110 [00:26<00:04, 8.95it/s] 67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 74/110 [00:26<00:05, 7.19it/s] [2024-02-21 21:56:10] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.4.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 74/110 [00:26<00:05, 7.19it/s] [2024-02-21 21:56:10] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.4.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 74/110 [00:26<00:05, 7.19it/s] [2024-02-21 21:56:10] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.5.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 74/110 [00:26<00:05, 7.19it/s] [2024-02-21 21:56:10] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.5.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 67%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 74/110 [00:27<00:05, 7.19it/s] 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 78/110 [00:27<00:03, 9.06it/s] [2024-02-21 21:56:11] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.5.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 78/110 [00:27<00:03, 9.06it/s] [2024-02-21 21:56:11] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.5.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 71%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ | 78/110 [00:27<00:03, 9.06it/s] 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 80/110 [00:27<00:04, 7.25it/s] [2024-02-21 21:56:11] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.5.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 80/110 [00:27<00:04, 7.25it/s] [2024-02-21 21:56:11] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.5.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 80/110 [00:27<00:04, 7.25it/s] [2024-02-21 21:56:11] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.6.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 80/110 [00:27<00:04, 7.25it/s] [2024-02-21 21:56:11] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.6.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 73%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 80/110 [00:27<00:04, 7.25it/s] 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 84/110 [00:27<00:02, 9.12it/s] [2024-02-21 21:56:11] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.6.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 84/110 [00:28<00:02, 9.12it/s] [2024-02-21 21:56:11] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.6.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 76%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 84/110 [00:28<00:02, 9.12it/s] 78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 86/110 [00:28<00:03, 7.29it/s] [2024-02-21 21:56:11] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.6.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 86/110 [00:28<00:03, 7.29it/s] [2024-02-21 21:56:11] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.6.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 86/110 [00:28<00:03, 7.29it/s] [2024-02-21 21:56:11] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.7.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 86/110 [00:28<00:03, 7.29it/s] [2024-02-21 21:56:12] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.7.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 78%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 86/110 [00:28<00:03, 7.29it/s] 82%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 90/110 [00:28<00:02, 9.17it/s] [2024-02-21 21:56:12] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.7.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 82%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 90/110 [00:29<00:02, 9.17it/s] [2024-02-21 21:56:12] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.7.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 82%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 90/110 [00:29<00:02, 9.17it/s] 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 92/110 [00:29<00:02, 7.31it/s] [2024-02-21 21:56:12] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.7.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 92/110 [00:29<00:02, 7.31it/s] [2024-02-21 21:56:12] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.7.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 92/110 [00:29<00:02, 7.31it/s] [2024-02-21 21:56:12] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.8.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 92/110 [00:29<00:02, 7.31it/s] [2024-02-21 21:56:12] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.8.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 84%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 92/110 [00:29<00:02, 7.31it/s] 87%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 96/110 [00:29<00:01, 9.17it/s] [2024-02-21 21:56:13] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.8.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 87%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 96/110 [00:29<00:01, 9.17it/s] [2024-02-21 21:56:13] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.8.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 87%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ | 96/110 [00:29<00:01, 9.17it/s] 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 98/110 [00:29<00:01, 7.31it/s] [2024-02-21 21:56:13] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.8.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 98/110 [00:29<00:01, 7.31it/s] [2024-02-21 21:56:13] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.8.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 98/110 [00:29<00:01, 7.31it/s] [2024-02-21 21:56:13] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.9.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 98/110 [00:29<00:01, 7.31it/s] [2024-02-21 21:56:13] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.9.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 89%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ | 98/110 [00:30<00:01, 7.31it/s] 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 102/110 [00:30<00:00, 9.16it/s] [2024-02-21 21:56:13] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.9.mlp.gate_up_proj.weight[0m", shape: (32768, 2048), dtype: float16 | |
| 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 102/110 [00:30<00:00, 9.16it/s] [2024-02-21 21:56:14] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.9.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 93%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ | 102/110 [00:30<00:00, 9.16it/s] 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 104/110 [00:30<00:00, 7.28it/s] [2024-02-21 21:56:14] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.9.self_attn.qkv_proj.weight[0m", shape: (2560, 2048), dtype: float16 | |
| 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 104/110 [00:30<00:00, 7.28it/s] [2024-02-21 21:56:14] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.9.self_attn.o_proj.weight[0m", shape: (2048, 2048), dtype: float16 | |
| 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 104/110 [00:30<00:00, 7.28it/s] [2024-02-21 21:56:14] INFO huggingface_loader.py:194: Unloading HF weight file: /models/gemma-2b-it/model-00001-of-00002.safetensors | |
| 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 104/110 [00:30<00:00, 7.28it/s] [2024-02-21 21:56:14] INFO huggingface_loader.py:182: Loading HF parameters from: /models/gemma-2b-it/model-00002-of-00002.safetensors | |
| 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 104/110 [00:31<00:00, 7.28it/s] [2024-02-21 21:56:14] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.17.input_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 104/110 [00:31<00:00, 7.28it/s] 97%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 107/110 [00:31<00:00, 5.67it/s] [2024-02-21 21:56:15] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.17.mlp.down_proj.weight[0m", shape: (2048, 16384), dtype: float16 | |
| 97%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 107/110 [00:31<00:00, 5.67it/s] 98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 108/110 [00:31<00:00, 5.55it/s] [2024-02-21 21:56:15] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.layers.17.post_attention_layernorm.weight[0m", shape: (2048,), dtype: float16 | |
| 98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 108/110 [00:31<00:00, 5.55it/s] [2024-02-21 21:56:15] INFO huggingface_loader.py:172: [Not quantized] Parameter: "[1mmodel.norm.weight[0m", shape: (2048,), dtype: float16 | |
| 98%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ | 108/110 [00:31<00:00, 5.55it/s] 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 110/110 [00:31<00:00, 3.49it/s] | |
| [2024-02-21 21:56:15] INFO huggingface_loader.py:194: Unloading HF weight file: /models/gemma-2b-it/model-00002-of-00002.safetensors | |
| [2024-02-21 21:56:15] INFO stats.py:76: [92mTime usage[0m: HF loading: 12.100 sec; Pre-quantization mapping: 15.141 sec; Quantization: 0.000 sec | |
| [2024-02-21 21:56:15] INFO stats.py:90: [92mRAM usage[0m: Peak RAM: 9.211 GB. Total bytes loaded from disk: 9.336 GB | |
| [2024-02-21 21:56:15] INFO convert_weight.py:132: [92mParameter size[0m after quantization: 4.668 GB | |
| [2024-02-21 21:56:15] INFO convert_weight.py:137: [92mTotal parameters[0m: 2,506,172,416 | |
| [2024-02-21 21:56:15] INFO convert_weight.py:138: [92mBits per parameter[0m: 16.000 | |
| Start storing to cache /tmp/tmp5z9hcfjh | |
| [0001/0110] saving model.embed_tokens.weight [0002/0110] saving model.layers.0.input_layernorm.weight [0003/0110] saving model.layers.0.mlp.down_proj.weight [0004/0110] saving model.layers.0.mlp.gate_up_proj.weight [0005/0110] saving model.layers.0.post_attention_layernorm.weight [0006/0110] saving model.layers.0.self_attn.qkv_proj.weight [0007/0110] saving model.layers.0.self_attn.o_proj.weight [0008/0110] saving model.layers.1.input_layernorm.weight [0009/0110] saving model.layers.1.mlp.down_proj.weight [0010/0110] saving model.layers.1.mlp.gate_up_proj.weight [0011/0110] saving model.layers.1.post_attention_layernorm.weight [0012/0110] saving model.layers.1.self_attn.qkv_proj.weight [0013/0110] saving model.layers.1.self_attn.o_proj.weight [0014/0110] saving model.layers.10.input_layernorm.weight [0015/0110] saving model.layers.10.mlp.down_proj.weight [0016/0110] saving model.layers.10.mlp.gate_up_proj.weight [0017/0110] saving model.layers.10.post_attention_layernorm.weight [0018/0110] saving model.layers.10.self_attn.qkv_proj.weight [0019/0110] saving model.layers.10.self_attn.o_proj.weight [0020/0110] saving model.layers.11.input_layernorm.weight [0021/0110] saving model.layers.11.mlp.down_proj.weight [0022/0110] saving model.layers.11.mlp.gate_up_proj.weight [0023/0110] saving model.layers.11.post_attention_layernorm.weight [0024/0110] saving model.layers.11.self_attn.qkv_proj.weight [0025/0110] saving model.layers.11.self_attn.o_proj.weight [0026/0110] saving model.layers.12.input_layernorm.weight [0027/0110] saving model.layers.12.mlp.down_proj.weight [0028/0110] saving model.layers.12.mlp.gate_up_proj.weight [0029/0110] saving model.layers.12.post_attention_layernorm.weight [0030/0110] saving model.layers.12.self_attn.qkv_proj.weight [0031/0110] saving model.layers.12.self_attn.o_proj.weight [0032/0110] saving model.layers.13.input_layernorm.weight [0033/0110] saving model.layers.13.mlp.down_proj.weight [0034/0110] saving model.layers.13.mlp.gate_up_proj.weight [0035/0110] saving model.layers.13.post_attention_layernorm.weight [0036/0110] saving model.layers.13.self_attn.qkv_proj.weight [0037/0110] saving model.layers.13.self_attn.o_proj.weight [0038/0110] saving model.layers.14.input_layernorm.weight [0039/0110] saving model.layers.14.mlp.down_proj.weight [0040/0110] saving model.layers.14.mlp.gate_up_proj.weight [0041/0110] saving model.layers.14.post_attention_layernorm.weight [0042/0110] saving model.layers.14.self_attn.qkv_proj.weight [0043/0110] saving model.layers.14.self_attn.o_proj.weight [0044/0110] saving model.layers.15.input_layernorm.weight [0045/0110] saving model.layers.15.mlp.down_proj.weight [0046/0110] saving model.layers.15.mlp.gate_up_proj.weight [0047/0110] saving model.layers.15.post_attention_layernorm.weight [0048/0110] saving model.layers.15.self_attn.qkv_proj.weight [0049/0110] saving model.layers.15.self_attn.o_proj.weight [0050/0110] saving model.layers.16.input_layernorm.weight [0051/0110] saving model.layers.16.mlp.down_proj.weight [0052/0110] saving model.layers.16.mlp.gate_up_proj.weight [0053/0110] saving model.layers.16.post_attention_layernorm.weight [0054/0110] saving model.layers.16.self_attn.qkv_proj.weight [0055/0110] saving model.layers.16.self_attn.o_proj.weight [0056/0110] saving model.layers.17.mlp.gate_up_proj.weight [0057/0110] saving model.layers.17.self_attn.qkv_proj.weight [0058/0110] saving model.layers.17.self_attn.o_proj.weight [0059/0110] saving model.layers.2.input_layernorm.weight [0060/0110] saving model.layers.2.mlp.down_proj.weight [0061/0110] saving model.layers.2.mlp.gate_up_proj.weight [0062/0110] saving model.layers.2.post_attention_layernorm.weight [0063/0110] saving model.layers.2.self_attn.qkv_proj.weight [0064/0110] saving model.layers.2.self_attn.o_proj.weight [0065/0110] saving model.layers.3.input_layernorm.weight[2024-02-21 21:56:31] INFO convert_weight.py:154: Saved to directory: [1m/tmp/tmp5z9hcfjh[0m | |
| [0066/0110] saving model.layers.3.mlp.down_proj.weight [0067/0110] saving model.layers.3.mlp.gate_up_proj.weight [0068/0110] saving model.layers.3.post_attention_layernorm.weight [0069/0110] saving model.layers.3.self_attn.qkv_proj.weight [0070/0110] saving model.layers.3.self_attn.o_proj.weight [0071/0110] saving model.layers.4.input_layernorm.weight [0072/0110] saving model.layers.4.mlp.down_proj.weight [0073/0110] saving model.layers.4.mlp.gate_up_proj.weight [0074/0110] saving model.layers.4.post_attention_layernorm.weight [0075/0110] saving model.layers.4.self_attn.qkv_proj.weight [0076/0110] saving model.layers.4.self_attn.o_proj.weight [0077/0110] saving model.layers.5.input_layernorm.weight [0078/0110] saving model.layers.5.mlp.down_proj.weight [0079/0110] saving model.layers.5.mlp.gate_up_proj.weight [0080/0110] saving model.layers.5.post_attention_layernorm.weight [0081/0110] saving model.layers.5.self_attn.qkv_proj.weight [0082/0110] saving model.layers.5.self_attn.o_proj.weight [0083/0110] saving model.layers.6.input_layernorm.weight [0084/0110] saving model.layers.6.mlp.down_proj.weight [0085/0110] saving model.layers.6.mlp.gate_up_proj.weight [0086/0110] saving model.layers.6.post_attention_layernorm.weight [0087/0110] saving model.layers.6.self_attn.qkv_proj.weight [0088/0110] saving model.layers.6.self_attn.o_proj.weight [0089/0110] saving model.layers.7.input_layernorm.weight [0090/0110] saving model.layers.7.mlp.down_proj.weight [0091/0110] saving model.layers.7.mlp.gate_up_proj.weight [0092/0110] saving model.layers.7.post_attention_layernorm.weight [0093/0110] saving model.layers.7.self_attn.qkv_proj.weight [0094/0110] saving model.layers.7.self_attn.o_proj.weight [0095/0110] saving model.layers.8.input_layernorm.weight [0096/0110] saving model.layers.8.mlp.down_proj.weight [0097/0110] saving model.layers.8.mlp.gate_up_proj.weight [0098/0110] saving model.layers.8.post_attention_layernorm.weight [0099/0110] saving model.layers.8.self_attn.qkv_proj.weight [0100/0110] saving model.layers.8.self_attn.o_proj.weight [0101/0110] saving model.layers.9.input_layernorm.weight [0102/0110] saving model.layers.9.mlp.down_proj.weight [0103/0110] saving model.layers.9.mlp.gate_up_proj.weight [0104/0110] saving model.layers.9.post_attention_layernorm.weight [0105/0110] saving model.layers.9.self_attn.qkv_proj.weight [0106/0110] saving model.layers.9.self_attn.o_proj.weight [0107/0110] saving model.layers.17.input_layernorm.weight [0108/0110] saving model.layers.17.mlp.down_proj.weight [0109/0110] saving model.layers.17.post_attention_layernorm.weight [0110/0110] saving model.norm.weight | |
| All finished, 49 total shards committed, record saved to /tmp/tmp5z9hcfjh/ndarray-cache.json | |