Initial commit

c4a1ea1 verified 8 months ago

193 kB

	/home/cfruan/.conda/envs/mlc-source-311/bin/python -m mlc_llm gen_config /models/Meta-Llama-3-8B-Instruct --quantization q0f32 --conv-template llama-3 --output /tmp/tmpq8el2iww --context-window-size 8192 --prefill-chunk-size 1024
	[2024-04-18 15:59:56] INFO auto_config.py:115: [92mFound[0m model configuration: /models/Meta-Llama-3-8B-Instruct/config.json
	[2024-04-18 15:59:56] INFO auto_config.py:153: [92mFound[0m model type: [1mllama[0m. Use `--model-type` to override.
	[2024-04-18 15:59:56] INFO llama_model.py:52: [1mcontext_window_size[0m not found in config.json. Falling back to [1mmax_position_embeddings[0m (8192)
	[2024-04-18 15:59:56] INFO llama_model.py:72: [1mprefill_chunk_size[0m defaults to [1mcontext_window_size[0m (8192)
	[2024-04-18 15:59:56] INFO config.py:106: Overriding [1mcontext_window_size[0m from 8192 to 8192
	[2024-04-18 15:59:56] INFO config.py:106: Overriding [1mprefill_chunk_size[0m from 8192 to 1024
	[2024-04-18 15:59:56] INFO config.py:106: Overriding [1mmax_batch_size[0m from 1 to 80
	[2024-04-18 15:59:56] INFO gen_config.py:187: [generation_config.json] Setting [1mbos_token_id[0m: 128000
	[2024-04-18 15:59:56] INFO gen_config.py:187: [generation_config.json] Setting [1meos_token_id[0m: 128001
	[2024-04-18 15:59:56] INFO gen_config.py:201: [91mNot found[0m tokenizer config: /models/Meta-Llama-3-8B-Instruct/tokenizer.model
	[2024-04-18 15:59:56] INFO gen_config.py:199: [92mFound[0m tokenizer config: /models/Meta-Llama-3-8B-Instruct/tokenizer.json. Copying to [1m/tmp/tmpq8el2iww/tokenizer.json[0m
	[2024-04-18 15:59:56] INFO gen_config.py:201: [91mNot found[0m tokenizer config: /models/Meta-Llama-3-8B-Instruct/vocab.json
	[2024-04-18 15:59:56] INFO gen_config.py:201: [91mNot found[0m tokenizer config: /models/Meta-Llama-3-8B-Instruct/merges.txt
	[2024-04-18 15:59:56] INFO gen_config.py:201: [91mNot found[0m tokenizer config: /models/Meta-Llama-3-8B-Instruct/added_tokens.json
	[2024-04-18 15:59:56] INFO gen_config.py:199: [92mFound[0m tokenizer config: /models/Meta-Llama-3-8B-Instruct/tokenizer_config.json. Copying to [1m/tmp/tmpq8el2iww/tokenizer_config.json[0m
	[2024-04-18 15:59:56] INFO gen_config.py:76: [System default] Setting [1mpad_token_id[0m: 0
	[2024-04-18 15:59:56] INFO gen_config.py:76: [System default] Setting [1mtemperature[0m: 0.7
	[2024-04-18 15:59:56] INFO gen_config.py:76: [System default] Setting [1mpresence_penalty[0m: 0.0
	[2024-04-18 15:59:56] INFO gen_config.py:76: [System default] Setting [1mfrequency_penalty[0m: 0.0
	[2024-04-18 15:59:56] INFO gen_config.py:76: [System default] Setting [1mrepetition_penalty[0m: 1.0
	[2024-04-18 15:59:56] INFO gen_config.py:76: [System default] Setting [1mtop_p[0m: 0.95
	[2024-04-18 15:59:56] INFO gen_config.py:76: [System default] Setting [1mmean_gen_len[0m: 128
	[2024-04-18 15:59:56] INFO gen_config.py:76: [System default] Setting [1mmax_gen_len[0m: 512
	[2024-04-18 15:59:56] INFO gen_config.py:76: [System default] Setting [1mshift_fill_factor[0m: 0.3
	[2024-04-18 15:59:56] INFO gen_config.py:263: Dumping configuration file to: [1m/tmp/tmpq8el2iww/mlc-chat-config.json[0m
	/home/cfruan/.conda/envs/mlc-source-311/bin/python -m mlc_llm convert_weight /models/Meta-Llama-3-8B-Instruct --quantization q0f32 --source-format auto --output /tmp/tmpq8el2iww
	[2024-04-18 15:59:57] INFO auto_config.py:115: [92mFound[0m model configuration: /models/Meta-Llama-3-8B-Instruct/config.json
	[2024-04-18 15:59:58] INFO auto_device.py:76: [92mFound[0m device: cuda:0
	[2024-04-18 15:59:58] INFO auto_device.py:76: [92mFound[0m device: cuda:1
	[2024-04-18 15:59:59] INFO auto_device.py:85: [91mNot found[0m device: rocm:0
	[2024-04-18 16:00:00] INFO auto_device.py:85: [91mNot found[0m device: metal:0
	[2024-04-18 16:00:01] INFO auto_device.py:76: [92mFound[0m device: vulkan:0
	[2024-04-18 16:00:01] INFO auto_device.py:76: [92mFound[0m device: vulkan:1
	[2024-04-18 16:00:01] INFO auto_device.py:76: [92mFound[0m device: vulkan:2
	[2024-04-18 16:00:02] INFO auto_device.py:85: [91mNot found[0m device: opencl:0
	[2024-04-18 16:00:02] INFO auto_device.py:33: Using device: [1mcuda:0[0m
	[2024-04-18 16:00:02] INFO auto_weight.py:70: Finding weights in: /models/Meta-Llama-3-8B-Instruct
	[2024-04-18 16:00:02] INFO auto_weight.py:136: [91mNot found[0m Huggingface PyTorch
	[2024-04-18 16:00:02] INFO auto_weight.py:143: [92mFound[0m source weight format: huggingface-safetensor. Source configuration: /models/Meta-Llama-3-8B-Instruct/model.safetensors.index.json
	[2024-04-18 16:00:02] INFO auto_weight.py:106: Using source weight configuration: [1m/models/Meta-Llama-3-8B-Instruct/model.safetensors.index.json[0m. Use `--source` to override.
	[2024-04-18 16:00:02] INFO auto_weight.py:110: Using source weight format: [1mhuggingface-safetensor[0m. Use `--source-format` to override.
	[2024-04-18 16:00:02] INFO auto_config.py:153: [92mFound[0m model type: [1mllama[0m. Use `--model-type` to override.
	[2024-04-18 16:00:02] INFO llama_model.py:52: [1mcontext_window_size[0m not found in config.json. Falling back to [1mmax_position_embeddings[0m (8192)
	[2024-04-18 16:00:02] INFO llama_model.py:72: [1mprefill_chunk_size[0m defaults to [1mcontext_window_size[0m (8192)
	[1mWeight conversion with arguments:[0m
	[1m--config[0m /models/Meta-Llama-3-8B-Instruct/config.json
	[1m--quantization[0m NoQuantize(name='q0f32', kind='no-quant', model_dtype='float32')
	[1m--model-type[0m llama
	[1m--device[0m cuda:0
	[1m--source[0m /models/Meta-Llama-3-8B-Instruct/model.safetensors.index.json
	[1m--source-format[0m huggingface-safetensor
	[1m--output[0m /tmp/tmpq8el2iww
	Start storing to cache /tmp/tmpq8el2iww
	0%\| \| 0/195 [00:00<?, ?it/s] [2024-04-18 16:00:06] INFO huggingface_loader.py:184: Loading HF parameters from: /models/Meta-Llama-3-8B-Instruct/model-00004-of-00004.safetensors
	0%\| \| 0/195 [00:00<?, ?it/s] [2024-04-18 16:00:16] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mlm_head.weight[0m", shape: (128256, 4096), dtype: float32
	0%\| \| 0/195 [00:09<?, ?it/s]/home/cfruan/.conda/envs/mlc-source-311/lib/python3.11/site-packages/numpy/core/getlimits.py:549: UserWarning: The value of the smallest subnormal for <class 'numpy.float32'> type is zero.
	setattr(self, word, getattr(machar, word).flat[0])
	/home/cfruan/.conda/envs/mlc-source-311/lib/python3.11/site-packages/numpy/core/getlimits.py:89: UserWarning: The value of the smallest subnormal for <class 'numpy.float32'> type is zero.
	return self._float_to_str(self.smallest_subnormal)
	1%\|▊ \| 1/195 [00:25<1:22:17, 25.45s/it] [2024-04-18 16:00:32] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.31.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	1%\|▊ \| 1/195 [00:25<1:22:17, 25.45s/it] 1%\|█▌ \| 2/195 [00:25<33:57, 10.56s/it] [2024-04-18 16:00:32] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.31.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	1%\|█▌ \| 2/195 [00:25<33:57, 10.56s/it] 2%\|██▎ \| 3/195 [00:26<19:22, 6.05s/it] [2024-04-18 16:00:33] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.31.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	2%\|██▎ \| 3/195 [00:26<19:22, 6.05s/it] [2024-04-18 16:00:33] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.norm.weight[0m", shape: (4096,), dtype: float32
	2%\|██▎ \| 3/195 [00:26<19:22, 6.05s/it] [2024-04-18 16:00:33] INFO huggingface_loader.py:196: Unloading HF weight file: /models/Meta-Llama-3-8B-Instruct/model-00004-of-00004.safetensors
	2%\|██▎ \| 3/195 [00:26<19:22, 6.05s/it] [2024-04-18 16:00:33] INFO huggingface_loader.py:184: Loading HF parameters from: /models/Meta-Llama-3-8B-Instruct/model-00001-of-00004.safetensors
	2%\|██▎ \| 3/195 [00:26<19:22, 6.05s/it] [2024-04-18 16:00:45] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.embed_tokens.weight[0m", shape: (128256, 4096), dtype: float32
	2%\|██▎ \| 3/195 [00:38<19:22, 6.05s/it] 3%\|████▋ \| 6/195 [00:59<29:18, 9.30s/it] [2024-04-18 16:01:06] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.0.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	3%\|████▋ \| 6/195 [00:59<29:18, 9.30s/it] 4%\|█████▍ \| 7/195 [00:59<22:20, 7.13s/it] [2024-04-18 16:01:06] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.0.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	4%\|█████▍ \| 7/195 [00:59<22:20, 7.13s/it] 4%\|██████▏ \| 8/195 [01:00<17:06, 5.49s/it] [2024-04-18 16:01:07] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.0.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	4%\|██████▏ \| 8/195 [01:00<17:06, 5.49s/it] 5%\|███████ \| 9/195 [01:02<14:08, 4.56s/it] [2024-04-18 16:01:08] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.0.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	5%\|███████ \| 9/195 [01:02<14:08, 4.56s/it] [2024-04-18 16:01:09] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.0.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	5%\|███████ \| 9/195 [01:02<14:08, 4.56s/it] 6%\|████████▌ \| 11/195 [01:02<08:10, 2.66s/it] [2024-04-18 16:01:09] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.0.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	6%\|████████▌ \| 11/195 [01:02<08:10, 2.66s/it] 6%\|█████████▎ \| 12/195 [01:02<06:21, 2.08s/it] [2024-04-18 16:01:09] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.1.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	6%\|█████████▎ \| 12/195 [01:02<06:21, 2.08s/it] [2024-04-18 16:01:09] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.1.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	6%\|█████████▎ \| 12/195 [01:02<06:21, 2.08s/it] 7%\|██████████▊ \| 14/195 [01:03<04:10, 1.39s/it] [2024-04-18 16:01:10] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.1.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	7%\|██████████▊ \| 14/195 [01:03<04:10, 1.39s/it] 8%\|███████████▌ \| 15/195 [01:04<04:13, 1.41s/it] [2024-04-18 16:01:11] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.1.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	8%\|███████████▌ \| 15/195 [01:04<04:13, 1.41s/it] [2024-04-18 16:01:11] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.1.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	8%\|███████████▌ \| 15/195 [01:04<04:13, 1.41s/it] 9%\|█████████████▏ \| 17/195 [01:05<02:45, 1.08it/s] [2024-04-18 16:01:12] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.1.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	9%\|█████████████▏ \| 17/195 [01:05<02:45, 1.08it/s] 9%\|█████████████▉ \| 18/195 [01:05<02:16, 1.30it/s] [2024-04-18 16:01:12] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.2.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	9%\|█████████████▉ \| 18/195 [01:05<02:16, 1.30it/s] [2024-04-18 16:01:12] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.2.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	9%\|█████████████▉ \| 18/195 [01:05<02:16, 1.30it/s] 10%\|███████████████▍ \| 20/195 [01:06<01:47, 1.63it/s] [2024-04-18 16:01:13] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.2.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	10%\|███████████████▍ \| 20/195 [01:06<01:47, 1.63it/s] 11%\|████████████████▎ \| 21/195 [01:07<02:20, 1.24it/s] [2024-04-18 16:01:14] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.2.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	11%\|████████████████▎ \| 21/195 [01:07<02:20, 1.24it/s] [2024-04-18 16:01:14] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.2.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	11%\|████████████████▎ \| 21/195 [01:07<02:20, 1.24it/s] 12%\|█████████████████▊ \| 23/195 [01:08<01:37, 1.76it/s] [2024-04-18 16:01:14] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.2.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	12%\|█████████████████▊ \| 23/195 [01:08<01:37, 1.76it/s] 12%\|██████████████████▌ \| 24/195 [01:08<01:24, 2.04it/s] [2024-04-18 16:01:15] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.3.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	12%\|██████████████████▌ \| 24/195 [01:08<01:24, 2.04it/s] [2024-04-18 16:01:15] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.3.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	12%\|██████████████████▌ \| 24/195 [01:08<01:24, 2.04it/s] 13%\|████████████████████▏ \| 26/195 [01:08<01:14, 2.27it/s] [2024-04-18 16:01:15] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.3.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	13%\|████████████████████▏ \| 26/195 [01:09<01:14, 2.27it/s] 14%\|████████████████████▉ \| 27/195 [01:10<01:50, 1.51it/s] [2024-04-18 16:01:17] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.3.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	14%\|████████████████████▉ \| 27/195 [01:10<01:50, 1.51it/s] [2024-04-18 16:01:17] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.3.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	14%\|████████████████████▉ \| 27/195 [01:10<01:50, 1.51it/s] 15%\|██████████████████████▍ \| 29/195 [01:10<01:19, 2.09it/s] [2024-04-18 16:01:17] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.3.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	15%\|██████████████████████▍ \| 29/195 [01:10<01:19, 2.09it/s] 15%\|███████████████████████▏ \| 30/195 [01:10<01:09, 2.36it/s] [2024-04-18 16:01:17] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.4.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	15%\|███████████████████████▏ \| 30/195 [01:10<01:09, 2.36it/s] [2024-04-18 16:01:17] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.4.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	15%\|███████████████████████▏ \| 30/195 [01:11<01:09, 2.36it/s] 16%\|████████████████████████▊ \| 32/195 [01:11<01:04, 2.51it/s] [2024-04-18 16:01:18] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.4.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	16%\|████████████████████████▊ \| 32/195 [01:11<01:04, 2.51it/s] 17%\|█████████████████████████▌ \| 33/195 [01:13<01:40, 1.61it/s] [2024-04-18 16:01:19] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.4.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	17%\|█████████████████████████▌ \| 33/195 [01:13<01:40, 1.61it/s] [2024-04-18 16:01:20] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.4.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	17%\|█████████████████████████▌ \| 33/195 [01:13<01:40, 1.61it/s] 18%\|███████████████████████████ \| 35/195 [01:13<01:12, 2.20it/s] [2024-04-18 16:01:20] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.4.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	18%\|███████████████████████████ \| 35/195 [01:13<01:12, 2.20it/s] 18%\|███████████████████████████▉ \| 36/195 [01:13<01:04, 2.48it/s] [2024-04-18 16:01:20] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.5.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	18%\|███████████████████████████▉ \| 36/195 [01:13<01:04, 2.48it/s] [2024-04-18 16:01:20] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.5.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	18%\|███████████████████████████▉ \| 36/195 [01:13<01:04, 2.48it/s] 19%\|█████████████████████████████▍ \| 38/195 [01:14<01:00, 2.61it/s] [2024-04-18 16:01:21] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.5.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	19%\|█████████████████████████████▍ \| 38/195 [01:14<01:00, 2.61it/s] 20%\|██████████████████████████████▏ \| 39/195 [01:15<01:34, 1.65it/s] [2024-04-18 16:01:22] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.5.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	20%\|██████████████████████████████▏ \| 39/195 [01:15<01:34, 1.65it/s] [2024-04-18 16:01:22] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.5.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	20%\|██████████████████████████████▏ \| 39/195 [01:15<01:34, 1.65it/s] 21%\|███████████████████████████████▋ \| 41/195 [01:16<01:08, 2.26it/s] [2024-04-18 16:01:23] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.5.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	21%\|███████████████████████████████▋ \| 41/195 [01:16<01:08, 2.26it/s] 22%\|████████████████████████████████▌ \| 42/195 [01:16<01:00, 2.55it/s] [2024-04-18 16:01:23] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.6.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	22%\|████████████████████████████████▌ \| 42/195 [01:16<01:00, 2.55it/s] [2024-04-18 16:01:23] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.6.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	22%\|████████████████████████████████▌ \| 42/195 [01:16<01:00, 2.55it/s] 23%\|██████████████████████████████████ \| 44/195 [01:17<00:56, 2.68it/s] [2024-04-18 16:01:24] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.6.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	23%\|██████████████████████████████████ \| 44/195 [01:17<00:56, 2.68it/s] 23%\|██████████████████████████████████▊ \| 45/195 [01:18<01:28, 1.69it/s] [2024-04-18 16:01:25] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.6.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	23%\|██████████████████████████████████▊ \| 45/195 [01:18<01:28, 1.69it/s] [2024-04-18 16:01:25] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.6.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	23%\|██████████████████████████████████▊ \| 45/195 [01:18<01:28, 1.69it/s] 24%\|████████████████████████████████████▍ \| 47/195 [01:18<01:03, 2.32it/s] [2024-04-18 16:01:25] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.6.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	24%\|████████████████████████████████████▍ \| 47/195 [01:18<01:03, 2.32it/s] 25%\|█████████████████████████████████████▏ \| 48/195 [01:19<00:56, 2.62it/s] [2024-04-18 16:01:25] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.7.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	25%\|█████████████████████████████████████▏ \| 48/195 [01:19<00:56, 2.62it/s] [2024-04-18 16:01:25] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.7.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	25%\|█████████████████████████████████████▏ \| 48/195 [01:19<00:56, 2.62it/s] 26%\|██████████████████████████████████████▋ \| 50/195 [01:19<00:52, 2.74it/s] [2024-04-18 16:01:26] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.7.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	26%\|██████████████████████████████████████▋ \| 50/195 [01:19<00:52, 2.74it/s] 26%\|███████████████████████████████████████▍ \| 51/195 [01:21<01:24, 1.71it/s] [2024-04-18 16:01:27] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.7.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	26%\|███████████████████████████████████████▍ \| 51/195 [01:21<01:24, 1.71it/s] [2024-04-18 16:01:27] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.7.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	26%\|███████████████████████████████████████▍ \| 51/195 [01:21<01:24, 1.71it/s] 27%\|█████████████████████████████████████████ \| 53/195 [01:21<01:00, 2.35it/s] [2024-04-18 16:01:28] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.7.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	27%\|█████████████████████████████████████████ \| 53/195 [01:21<01:00, 2.35it/s] 28%\|█████████████████████████████████████████▊ \| 54/195 [01:21<00:53, 2.65it/s] [2024-04-18 16:01:28] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.8.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	28%\|█████████████████████████████████████████▊ \| 54/195 [01:21<00:53, 2.65it/s] [2024-04-18 16:01:28] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.8.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	28%\|█████████████████████████████████████████▊ \| 54/195 [01:21<00:53, 2.65it/s] 29%\|███████████████████████████████████████████▎ \| 56/195 [01:22<00:49, 2.78it/s] [2024-04-18 16:01:29] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.8.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	29%\|███████████████████████████████████████████▎ \| 56/195 [01:22<00:49, 2.78it/s] 29%\|████████████████████████████████████████████▏ \| 57/195 [01:23<01:19, 1.74it/s] [2024-04-18 16:01:30] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.8.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	29%\|████████████████████████████████████████████▏ \| 57/195 [01:23<01:19, 1.74it/s] [2024-04-18 16:01:30] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.8.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	29%\|████████████████████████████████████████████▏ \| 57/195 [01:23<01:19, 1.74it/s] 30%\|█████████████████████████████████████████████▋ \| 59/195 [01:23<00:56, 2.39it/s] [2024-04-18 16:01:30] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.8.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	30%\|█████████████████████████████████████████████▋ \| 59/195 [01:23<00:56, 2.39it/s] 31%\|██████████████████████████████████████████████▍ \| 60/195 [01:24<00:50, 2.70it/s] [2024-04-18 16:01:31] INFO huggingface_loader.py:196: Unloading HF weight file: /models/Meta-Llama-3-8B-Instruct/model-00001-of-00004.safetensors
	31%\|██████████████████████████████████████████████▍ \| 60/195 [01:24<00:50, 2.70it/s] [2024-04-18 16:01:31] INFO huggingface_loader.py:184: Loading HF parameters from: /models/Meta-Llama-3-8B-Instruct/model-00002-of-00004.safetensors
	31%\|██████████████████████████████████████████████▍ \| 60/195 [01:24<00:50, 2.70it/s] [2024-04-18 16:01:42] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.10.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	31%\|██████████████████████████████████████████████▍ \| 60/195 [01:35<00:50, 2.70it/s] 31%\|███████████████████████████████████████████████▏ \| 61/195 [01:35<06:37, 2.97s/it] [2024-04-18 16:01:42] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.10.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	31%\|███████████████████████████████████████████████▏ \| 61/195 [01:35<06:37, 2.97s/it] 32%\|████████████████████████████████████████████████ \| 62/195 [01:36<05:17, 2.39s/it] [2024-04-18 16:01:43] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.10.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	32%\|████████████████████████████████████████████████ \| 62/195 [01:36<05:17, 2.39s/it] 32%\|████████████████████████████████████████████████▊ \| 63/195 [01:37<04:44, 2.16s/it] [2024-04-18 16:01:44] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.10.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	32%\|████████████████████████████████████████████████▊ \| 63/195 [01:37<04:44, 2.16s/it] [2024-04-18 16:01:44] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.10.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	32%\|████████████████████████████████████████████████▊ \| 63/195 [01:37<04:44, 2.16s/it] 33%\|██████████████████████████████████████████████████▎ \| 65/195 [01:38<02:48, 1.30s/it] [2024-04-18 16:01:45] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.10.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	33%\|██████████████████████████████████████████████████▎ \| 65/195 [01:38<02:48, 1.30s/it] 34%\|███████████████████████████████████████████████████ \| 66/195 [01:38<02:14, 1.04s/it] [2024-04-18 16:01:45] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.11.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	34%\|███████████████████████████████████████████████████ \| 66/195 [01:38<02:14, 1.04s/it] [2024-04-18 16:01:45] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.11.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	34%\|███████████████████████████████████████████████████ \| 66/195 [01:38<02:14, 1.04s/it] 35%\|████████████████████████████████████████████████████▋ \| 68/195 [01:39<01:35, 1.32it/s] [2024-04-18 16:01:46] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.11.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	35%\|████████████████████████████████████████████████████▋ \| 68/195 [01:39<01:35, 1.32it/s] 35%\|█████████████████████████████████████████████████████▍ \| 69/195 [01:41<02:13, 1.06s/it] [2024-04-18 16:01:47] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.11.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	35%\|█████████████████████████████████████████████████████▍ \| 69/195 [01:41<02:13, 1.06s/it] [2024-04-18 16:01:48] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.11.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	35%\|█████████████████████████████████████████████████████▍ \| 69/195 [01:41<02:13, 1.06s/it] 36%\|██████████████████████████████████████████████████████▉ \| 71/195 [01:41<01:27, 1.41it/s] [2024-04-18 16:01:48] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.11.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	36%\|██████████████████████████████████████████████████████▉ \| 71/195 [01:41<01:27, 1.41it/s] 37%\|███████████████████████████████████████████████████████▊ \| 72/195 [01:41<01:13, 1.67it/s] [2024-04-18 16:01:48] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.12.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	37%\|███████████████████████████████████████████████████████▊ \| 72/195 [01:41<01:13, 1.67it/s] [2024-04-18 16:01:48] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.12.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	37%\|███████████████████████████████████████████████████████▊ \| 72/195 [01:41<01:13, 1.67it/s] 38%\|█████████████████████████████████████████████████████████▎ \| 74/195 [01:42<00:59, 2.02it/s] [2024-04-18 16:01:49] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.12.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	38%\|█████████████████████████████████████████████████████████▎ \| 74/195 [01:42<00:59, 2.02it/s] 38%\|██████████████████████████████████████████████████████████ \| 75/195 [01:45<02:01, 1.02s/it] [2024-04-18 16:01:52] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.12.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	38%\|██████████████████████████████████████████████████████████ \| 75/195 [01:45<02:01, 1.02s/it] [2024-04-18 16:01:52] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.12.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	38%\|██████████████████████████████████████████████████████████ \| 75/195 [01:45<02:01, 1.02s/it] 39%\|███████████████████████████████████████████████████████████▋ \| 77/195 [01:45<01:21, 1.44it/s] [2024-04-18 16:01:52] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.12.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	39%\|███████████████████████████████████████████████████████████▋ \| 77/195 [01:45<01:21, 1.44it/s] 40%\|████████████████████████████████████████████████████████████▍ \| 78/195 [01:45<01:08, 1.70it/s] [2024-04-18 16:01:52] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.13.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	40%\|████████████████████████████████████████████████████████████▍ \| 78/195 [01:45<01:08, 1.70it/s] [2024-04-18 16:01:52] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.13.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	40%\|████████████████████████████████████████████████████████████▍ \| 78/195 [01:45<01:08, 1.70it/s] 41%\|█████████████████████████████████████████████████████████████▉ \| 80/195 [01:46<00:57, 1.99it/s] [2024-04-18 16:01:53] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.13.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	41%\|█████████████████████████████████████████████████████████████▉ \| 80/195 [01:47<00:57, 1.99it/s] 42%\|██████████████████████████████████████████████████████████████▋ \| 81/195 [01:49<02:10, 1.14s/it] [2024-04-18 16:01:56] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.13.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	42%\|██████████████████████████████████████████████████████████████▋ \| 81/195 [01:49<02:10, 1.14s/it] [2024-04-18 16:01:56] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.13.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	42%\|██████████████████████████████████████████████████████████████▋ \| 81/195 [01:50<02:10, 1.14s/it] 43%\|████████████████████████████████████████████████████████████████▎ \| 83/195 [01:50<01:26, 1.29it/s] [2024-04-18 16:01:57] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.13.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	43%\|████████████████████████████████████████████████████████████████▎ \| 83/195 [01:50<01:26, 1.29it/s] 43%\|█████████████████████████████████████████████████████████████████ \| 84/195 [01:50<01:12, 1.53it/s] [2024-04-18 16:01:57] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.14.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	43%\|█████████████████████████████████████████████████████████████████ \| 84/195 [01:50<01:12, 1.53it/s] [2024-04-18 16:01:57] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.14.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	43%\|█████████████████████████████████████████████████████████████████ \| 84/195 [01:50<01:12, 1.53it/s] 44%\|██████████████████████████████████████████████████████████████████▌ \| 86/195 [01:51<01:04, 1.69it/s] [2024-04-18 16:01:58] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.14.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	44%\|██████████████████████████████████████████████████████████████████▌ \| 86/195 [01:52<01:04, 1.69it/s] 45%\|███████████████████████████████████████████████████████████████████▎ \| 87/195 [01:54<02:06, 1.18s/it] [2024-04-18 16:02:01] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.14.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	45%\|███████████████████████████████████████████████████████████████████▎ \| 87/195 [01:54<02:06, 1.18s/it] [2024-04-18 16:02:01] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.14.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	45%\|███████████████████████████████████████████████████████████████████▎ \| 87/195 [01:54<02:06, 1.18s/it] 46%\|████████████████████████████████████████████████████████████████████▉ \| 89/195 [01:55<01:24, 1.25it/s] [2024-04-18 16:02:02] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.14.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	46%\|████████████████████████████████████████████████████████████████████▉ \| 89/195 [01:55<01:24, 1.25it/s] 46%\|█████████████████████████████████████████████████████████████████████▋ \| 90/195 [01:55<01:10, 1.49it/s] [2024-04-18 16:02:02] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.15.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	46%\|█████████████████████████████████████████████████████████████████████▋ \| 90/195 [01:55<01:10, 1.49it/s] [2024-04-18 16:02:02] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.15.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	46%\|█████████████████████████████████████████████████████████████████████▋ \| 90/195 [01:55<01:10, 1.49it/s] 47%\|███████████████████████████████████████████████████████████████████████▏ \| 92/195 [01:56<01:01, 1.67it/s] [2024-04-18 16:02:03] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.15.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	47%\|███████████████████████████████████████████████████████████████████████▏ \| 92/195 [01:56<01:01, 1.67it/s] 48%\|████████████████████████████████████████████████████████████████████████ \| 93/195 [01:59<01:59, 1.17s/it] [2024-04-18 16:02:06] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.15.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	48%\|████████████████████████████████████████████████████████████████████████ \| 93/195 [01:59<01:59, 1.17s/it] [2024-04-18 16:02:06] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.15.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	48%\|████████████████████████████████████████████████████████████████████████ \| 93/195 [01:59<01:59, 1.17s/it] 49%\|█████████████████████████████████████████████████████████████████████████▌ \| 95/195 [02:00<01:19, 1.26it/s] [2024-04-18 16:02:06] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.15.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	49%\|█████████████████████████████████████████████████████████████████████████▌ \| 95/195 [02:00<01:19, 1.26it/s] 49%\|██████████████████████████████████████████████████████████████████████████▎ \| 96/195 [02:00<01:06, 1.49it/s] [2024-04-18 16:02:07] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.16.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	49%\|██████████████████████████████████████████████████████████████████████████▎ \| 96/195 [02:00<01:06, 1.49it/s] [2024-04-18 16:02:07] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.16.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	49%\|██████████████████████████████████████████████████████████████████████████▎ \| 96/195 [02:00<01:06, 1.49it/s] 50%\|███████████████████████████████████████████████████████████████████████████▉ \| 98/195 [02:01<01:01, 1.58it/s] [2024-04-18 16:02:08] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.16.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	50%\|███████████████████████████████████████████████████████████████████████████▉ \| 98/195 [02:01<01:01, 1.58it/s] 51%\|████████████████████████████████████████████████████████████████████████████▋ \| 99/195 [02:04<01:53, 1.18s/it] [2024-04-18 16:02:11] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.16.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	51%\|████████████████████████████████████████████████████████████████████████████▋ \| 99/195 [02:04<01:53, 1.18s/it] [2024-04-18 16:02:11] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.16.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	51%\|████████████████████████████████████████████████████████████████████████████▋ \| 99/195 [02:04<01:53, 1.18s/it] 52%\|█████████████████████████████████████████████████████████████████████████████▋ \| 101/195 [02:04<01:15, 1.24it/s] [2024-04-18 16:02:11] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.16.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	52%\|█████████████████████████████████████████████████████████████████████████████▋ \| 101/195 [02:04<01:15, 1.24it/s] 52%\|██████████████████████████████████████████████████████████████████████████████▍ \| 102/195 [02:05<01:03, 1.47it/s] [2024-04-18 16:02:11] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.17.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	52%\|██████████████████████████████████████████████████████████████████████████████▍ \| 102/195 [02:05<01:03, 1.47it/s] [2024-04-18 16:02:12] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.17.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	52%\|██████████████████████████████████████████████████████████████████████████████▍ \| 102/195 [02:05<01:03, 1.47it/s] 53%\|████████████████████████████████████████████████████████████████████████████████ \| 104/195 [02:06<00:59, 1.54it/s] [2024-04-18 16:02:13] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.17.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	53%\|████████████████████████████████████████████████████████████████████████████████ \| 104/195 [02:06<00:59, 1.54it/s] 54%\|████████████████████████████████████████████████████████████████████████████████▊ \| 105/195 [02:09<01:48, 1.20s/it] [2024-04-18 16:02:16] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.17.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	54%\|████████████████████████████████████████████████████████████████████████████████▊ \| 105/195 [02:09<01:48, 1.20s/it] [2024-04-18 16:02:16] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.17.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	54%\|████████████████████████████████████████████████████████████████████████████████▊ \| 105/195 [02:09<01:48, 1.20s/it] 55%\|██████████████████████████████████████████████████████████████████████████████████▎ \| 107/195 [02:09<01:11, 1.23it/s] [2024-04-18 16:02:16] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.17.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	55%\|██████████████████████████████████████████████████████████████████████████████████▎ \| 107/195 [02:09<01:11, 1.23it/s] 55%\|███████████████████████████████████████████████████████████████████████████████████ \| 108/195 [02:10<00:59, 1.46it/s] [2024-04-18 16:02:17] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.18.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	55%\|███████████████████████████████████████████████████████████████████████████████████ \| 108/195 [02:10<00:59, 1.46it/s] [2024-04-18 16:02:17] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.18.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	55%\|███████████████████████████████████████████████████████████████████████████████████ \| 108/195 [02:10<00:59, 1.46it/s] 56%\|████████████████████████████████████████████████████████████████████████████████████▌ \| 110/195 [02:11<00:53, 1.58it/s] [2024-04-18 16:02:18] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.18.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	56%\|████████████████████████████████████████████████████████████████████████████████████▌ \| 110/195 [02:11<00:53, 1.58it/s] 57%\|█████████████████████████████████████████████████████████████████████████████████████▍ \| 111/195 [02:14<01:37, 1.17s/it] [2024-04-18 16:02:21] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.18.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	57%\|█████████████████████████████████████████████████████████████████████████████████████▍ \| 111/195 [02:14<01:37, 1.17s/it] [2024-04-18 16:02:21] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.18.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	57%\|█████████████████████████████████████████████████████████████████████████████████████▍ \| 111/195 [02:14<01:37, 1.17s/it] 58%\|██████████████████████████████████████████████████████████████████████████████████████▉ \| 113/195 [02:14<01:04, 1.27it/s] [2024-04-18 16:02:21] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.18.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	58%\|██████████████████████████████████████████████████████████████████████████████████████▉ \| 113/195 [02:14<01:04, 1.27it/s] 58%\|███████████████████████████████████████████████████████████████████████████████████████▋ \| 114/195 [02:14<00:53, 1.50it/s] [2024-04-18 16:02:21] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.19.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	58%\|███████████████████████████████████████████████████████████████████████████████████████▋ \| 114/195 [02:14<00:53, 1.50it/s] [2024-04-18 16:02:21] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.19.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	58%\|███████████████████████████████████████████████████████████████████████████████████████▋ \| 114/195 [02:15<00:53, 1.50it/s] 59%\|█████████████████████████████████████████████████████████████████████████████████████████▏ \| 116/195 [02:16<00:48, 1.61it/s] [2024-04-18 16:02:23] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.19.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	59%\|█████████████████████████████████████████████████████████████████████████████████████████▏ \| 116/195 [02:16<00:48, 1.61it/s] 60%\|██████████████████████████████████████████████████████████████████████████████████████████ \| 117/195 [02:19<01:33, 1.19s/it] [2024-04-18 16:02:26] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.19.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	60%\|██████████████████████████████████████████████████████████████████████████████████████████ \| 117/195 [02:19<01:33, 1.19s/it] [2024-04-18 16:02:26] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.19.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	60%\|██████████████████████████████████████████████████████████████████████████████████████████ \| 117/195 [02:19<01:33, 1.19s/it] 61%\|███████████████████████████████████████████████████████████████████████████████████████████▌ \| 119/195 [02:19<01:01, 1.24it/s] [2024-04-18 16:02:26] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.19.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	61%\|███████████████████████████████████████████████████████████████████████████████████████████▌ \| 119/195 [02:19<01:01, 1.24it/s] 62%\|████████████████████████████████████████████████████████████████████████████████████████████▎ \| 120/195 [02:19<00:51, 1.46it/s] [2024-04-18 16:02:26] INFO huggingface_loader.py:184: Loading HF parameters from: /models/Meta-Llama-3-8B-Instruct/model-00003-of-00004.safetensors
	62%\|████████████████████████████████████████████████████████████████████████████████████████████▎ \| 120/195 [02:19<00:51, 1.46it/s] [2024-04-18 16:02:38] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.20.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	62%\|████████████████████████████████████████████████████████████████████████████████████████████▎ \| 120/195 [02:31<00:51, 1.46it/s] 62%\|█████████████████████████████████████████████████████████████████████████████████████████████ \| 121/195 [02:34<04:56, 4.01s/it] [2024-04-18 16:02:41] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.20.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	62%\|█████████████████████████████████████████████████████████████████████████████████████████████ \| 121/195 [02:35<04:56, 4.01s/it] 63%\|█████████████████████████████████████████████████████████████████████████████████████████████▊ \| 122/195 [02:35<03:59, 3.28s/it] [2024-04-18 16:02:42] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.20.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	63%\|█████████████████████████████████████████████████████████████████████████████████████████████▊ \| 122/195 [02:36<03:59, 3.28s/it] 63%\|██████████████████████████████████████████████████████████████████████████████████████████████▌ \| 123/195 [02:36<03:02, 2.53s/it] [2024-04-18 16:02:43] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.9.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	63%\|██████████████████████████████████████████████████████████████████████████████████████████████▌ \| 123/195 [02:36<03:02, 2.53s/it] [2024-04-18 16:02:43] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.9.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	63%\|██████████████████████████████████████████████████████████████████████████████████████████████▌ \| 123/195 [02:36<03:02, 2.53s/it] 64%\|████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 125/195 [02:38<02:05, 1.79s/it] [2024-04-18 16:02:45] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.9.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	64%\|████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 125/195 [02:38<02:05, 1.79s/it] 65%\|████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 126/195 [02:41<02:33, 2.22s/it] [2024-04-18 16:02:48] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.9.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	65%\|████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 126/195 [02:41<02:33, 2.22s/it] [2024-04-18 16:02:48] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.9.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	65%\|████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 126/195 [02:41<02:33, 2.22s/it] 66%\|██████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 128/195 [02:42<01:38, 1.47s/it] [2024-04-18 16:02:49] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.9.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	66%\|██████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 128/195 [02:42<01:38, 1.47s/it] 66%\|███████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 129/195 [02:42<01:18, 1.19s/it] [2024-04-18 16:02:49] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.20.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	66%\|███████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 129/195 [02:42<01:18, 1.19s/it] [2024-04-18 16:02:49] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.20.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	66%\|███████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 129/195 [02:42<01:18, 1.19s/it] 67%\|████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 131/195 [02:44<01:06, 1.04s/it] [2024-04-18 16:02:51] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.20.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	67%\|████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 131/195 [02:44<01:06, 1.04s/it] [2024-04-18 16:02:51] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.21.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	67%\|████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 131/195 [02:44<01:06, 1.04s/it] [2024-04-18 16:02:51] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.21.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	67%\|████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 131/195 [02:44<01:06, 1.04s/it] 69%\|███████████████████████████████████████████████████████████████████████████████████████████████████████ \| 134/195 [02:45<00:47, 1.28it/s] [2024-04-18 16:02:53] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.21.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	69%\|███████████████████████████████████████████████████████████████████████████████████████████████████████ \| 134/195 [02:46<00:47, 1.28it/s] 69%\|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 135/195 [02:49<01:15, 1.26s/it] [2024-04-18 16:02:55] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.21.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	69%\|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 135/195 [02:49<01:15, 1.26s/it] [2024-04-18 16:02:55] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.21.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	69%\|███████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 135/195 [02:49<01:15, 1.26s/it] 70%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 137/195 [02:49<00:52, 1.11it/s] [2024-04-18 16:02:56] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.21.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	70%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 137/195 [02:49<00:52, 1.11it/s] 71%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 138/195 [02:49<00:43, 1.30it/s] [2024-04-18 16:02:56] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.22.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	71%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 138/195 [02:49<00:43, 1.30it/s] [2024-04-18 16:02:56] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.22.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	71%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 138/195 [02:49<00:43, 1.30it/s] 72%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 140/195 [02:50<00:38, 1.42it/s] [2024-04-18 16:02:58] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.22.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	72%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 140/195 [02:51<00:38, 1.42it/s] 72%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 141/195 [02:54<01:09, 1.29s/it] [2024-04-18 16:03:01] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.22.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	72%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 141/195 [02:54<01:09, 1.29s/it] [2024-04-18 16:03:01] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.22.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	72%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 141/195 [02:54<01:09, 1.29s/it] 73%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 143/195 [02:54<00:46, 1.12it/s] [2024-04-18 16:03:01] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.22.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	73%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 143/195 [02:54<00:46, 1.12it/s] 74%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 144/195 [02:55<00:38, 1.33it/s] [2024-04-18 16:03:01] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.23.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	74%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 144/195 [02:55<00:38, 1.33it/s] [2024-04-18 16:03:01] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.23.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	74%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 144/195 [02:55<00:38, 1.33it/s] 75%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 146/195 [02:56<00:34, 1.41it/s] [2024-04-18 16:03:03] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.23.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	75%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 146/195 [02:57<00:34, 1.41it/s] 75%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 147/195 [02:59<01:03, 1.32s/it] [2024-04-18 16:03:06] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.23.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	75%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 147/195 [02:59<01:03, 1.32s/it] [2024-04-18 16:03:06] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.23.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	75%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 147/195 [03:00<01:03, 1.32s/it] 76%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 149/195 [03:00<00:41, 1.12it/s] [2024-04-18 16:03:07] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.23.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	76%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 149/195 [03:00<00:41, 1.12it/s] 77%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 150/195 [03:00<00:33, 1.33it/s] [2024-04-18 16:03:07] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.24.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	77%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 150/195 [03:00<00:33, 1.33it/s] [2024-04-18 16:03:07] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.24.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	77%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 150/195 [03:00<00:33, 1.33it/s] 78%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 152/195 [03:01<00:30, 1.40it/s] [2024-04-18 16:03:09] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.24.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	78%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 152/195 [03:02<00:30, 1.40it/s] 78%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 153/195 [03:05<00:52, 1.25s/it] [2024-04-18 16:03:11] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.24.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	78%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 153/195 [03:05<00:52, 1.25s/it] [2024-04-18 16:03:12] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.24.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	78%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 153/195 [03:05<00:52, 1.25s/it] 79%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 155/195 [03:05<00:33, 1.18it/s] [2024-04-18 16:03:12] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.24.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	79%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 155/195 [03:05<00:33, 1.18it/s] 80%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 156/195 [03:05<00:27, 1.40it/s] [2024-04-18 16:03:12] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.25.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	80%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 156/195 [03:05<00:27, 1.40it/s] [2024-04-18 16:03:12] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.25.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	80%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 156/195 [03:05<00:27, 1.40it/s] 81%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 158/195 [03:06<00:24, 1.53it/s] [2024-04-18 16:03:14] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.25.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	81%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 158/195 [03:07<00:24, 1.53it/s] 82%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 159/195 [03:10<00:44, 1.22s/it] [2024-04-18 16:03:16] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.25.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	82%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 159/195 [03:10<00:44, 1.22s/it] [2024-04-18 16:03:17] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.25.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	82%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 159/195 [03:10<00:44, 1.22s/it] 83%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 161/195 [03:10<00:28, 1.21it/s] [2024-04-18 16:03:17] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.25.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	83%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 161/195 [03:10<00:28, 1.21it/s] 83%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 162/195 [03:10<00:22, 1.44it/s] [2024-04-18 16:03:17] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.26.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	83%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 162/195 [03:10<00:22, 1.44it/s] [2024-04-18 16:03:17] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.26.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	83%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 162/195 [03:10<00:22, 1.44it/s] 84%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 164/195 [03:11<00:20, 1.52it/s] [2024-04-18 16:03:19] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.26.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	84%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 164/195 [03:12<00:20, 1.52it/s] 85%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 165/195 [03:15<00:36, 1.22s/it] [2024-04-18 16:03:22] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.26.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	85%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 165/195 [03:15<00:36, 1.22s/it] [2024-04-18 16:03:22] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.26.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	85%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 165/195 [03:15<00:36, 1.22s/it] 86%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 167/195 [03:15<00:23, 1.21it/s] [2024-04-18 16:03:22] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.26.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	86%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 167/195 [03:15<00:23, 1.21it/s] 86%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 168/195 [03:15<00:18, 1.44it/s] [2024-04-18 16:03:22] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.27.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	86%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 168/195 [03:15<00:18, 1.44it/s] [2024-04-18 16:03:22] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.27.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	86%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 168/195 [03:15<00:18, 1.44it/s] 87%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 170/195 [03:16<00:15, 1.61it/s] [2024-04-18 16:03:24] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.27.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	87%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 170/195 [03:17<00:15, 1.61it/s] 88%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 171/195 [03:19<00:28, 1.17s/it] [2024-04-18 16:03:26] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.27.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	88%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 171/195 [03:19<00:28, 1.17s/it] [2024-04-18 16:03:26] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.27.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	88%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 171/195 [03:20<00:28, 1.17s/it] 89%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 173/195 [03:20<00:17, 1.26it/s] [2024-04-18 16:03:27] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.27.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	89%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 173/195 [03:20<00:17, 1.26it/s] 89%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 174/195 [03:20<00:14, 1.50it/s] [2024-04-18 16:03:27] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.28.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	89%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 174/195 [03:20<00:14, 1.50it/s] [2024-04-18 16:03:27] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.28.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	89%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 174/195 [03:20<00:14, 1.50it/s] 90%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 176/195 [03:21<00:11, 1.64it/s] [2024-04-18 16:03:29] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.28.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	90%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 176/195 [03:22<00:11, 1.64it/s] 91%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 177/195 [03:25<00:22, 1.25s/it] [2024-04-18 16:03:32] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.28.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	91%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 177/195 [03:25<00:22, 1.25s/it] [2024-04-18 16:03:32] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.28.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	91%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ \| 177/195 [03:25<00:22, 1.25s/it] 92%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 179/195 [03:25<00:13, 1.18it/s] [2024-04-18 16:03:32] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.28.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	92%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 179/195 [03:25<00:13, 1.18it/s] 92%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 180/195 [03:25<00:10, 1.41it/s] [2024-04-18 16:03:32] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.29.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	92%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 180/195 [03:25<00:10, 1.41it/s] [2024-04-18 16:03:32] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.29.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	92%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 180/195 [03:25<00:10, 1.41it/s] 93%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 182/195 [03:26<00:08, 1.58it/s] [2024-04-18 16:03:34] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.29.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	93%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 182/195 [03:27<00:08, 1.58it/s] 94%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 183/195 [03:29<00:14, 1.18s/it] [2024-04-18 16:03:36] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.29.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	94%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 183/195 [03:29<00:14, 1.18s/it] [2024-04-18 16:03:36] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.29.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	94%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊ \| 183/195 [03:30<00:14, 1.18s/it] 95%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 185/195 [03:30<00:08, 1.25it/s] [2024-04-18 16:03:37] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.29.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	95%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎ \| 185/195 [03:30<00:08, 1.25it/s] 95%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 186/195 [03:30<00:06, 1.48it/s] [2024-04-18 16:03:37] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.30.input_layernorm.weight[0m", shape: (4096,), dtype: float32
	95%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 186/195 [03:30<00:06, 1.48it/s] [2024-04-18 16:03:37] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.30.mlp.down_proj.weight[0m", shape: (4096, 14336), dtype: float32
	95%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ \| 186/195 [03:30<00:06, 1.48it/s] 96%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 188/195 [03:31<00:04, 1.56it/s] [2024-04-18 16:03:39] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.30.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	96%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▌ \| 188/195 [03:32<00:04, 1.56it/s] 97%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 189/195 [03:34<00:07, 1.19s/it] [2024-04-18 16:03:41] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.30.post_attention_layernorm.weight[0m", shape: (4096,), dtype: float32
	97%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 189/195 [03:34<00:07, 1.19s/it] [2024-04-18 16:03:41] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.30.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	97%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 189/195 [03:34<00:07, 1.19s/it] 98%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 191/195 [03:35<00:03, 1.24it/s] [2024-04-18 16:03:42] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.30.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	98%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▉ \| 191/195 [03:35<00:03, 1.24it/s] 98%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 192/195 [03:35<00:02, 1.47it/s] [2024-04-18 16:03:42] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.31.mlp.gate_up_proj.weight[0m", shape: (28672, 4096), dtype: float32
	98%\|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ \| 192/195 [03:36<00:02, 1.47it/s] 99%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 193/195 [03:38<00:02, 1.32s/it] [2024-04-18 16:03:45] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.31.self_attn.qkv_proj.weight[0m", shape: (6144, 4096), dtype: float32
	99%\|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▍ \| 193/195 [03:38<00:02, 1.32s/it] 99%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏\| 194/195 [03:39<00:01, 1.09s/it] [2024-04-18 16:03:46] INFO huggingface_loader.py:174: [Not quantized] Parameter: "[1mmodel.layers.31.self_attn.o_proj.weight[0m", shape: (4096, 4096), dtype: float32
	99%\|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏\| 194/195 [03:39<00:01, 1.09s/it] 100%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████\| 195/195 [03:39<00:00, 1.17it/s] 100%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████\| 195/195 [03:39<00:00, 1.13s/it]
	[2024-04-18 16:03:46] INFO huggingface_loader.py:196: Unloading HF weight file: /models/Meta-Llama-3-8B-Instruct/model-00002-of-00004.safetensors
	[2024-04-18 16:03:46] INFO huggingface_loader.py:196: Unloading HF weight file: /models/Meta-Llama-3-8B-Instruct/model-00003-of-00004.safetensors
	[2024-04-18 16:03:47] INFO stats.py:76: [92mTime usage[0m: HF loading: 36.734 sec; Pre-quantization mapping: 24.043 sec; Quantization: 0.000 sec
	[2024-04-18 16:03:47] INFO stats.py:90: [92mRAM usage[0m: Peak RAM: 18.469 GB. Total bytes loaded from disk: 29.915 GB
	[2024-04-18 16:03:47] INFO convert_weight.py:156: [92mParameter size[0m after quantization: 29.915 GB
	[2024-04-18 16:03:47] INFO convert_weight.py:161: [92mTotal parameters[0m: 8,030,261,248
	[2024-04-18 16:03:47] INFO convert_weight.py:162: [92mBits per parameter[0m: 32.000
	[2024-04-18 16:03:47] INFO convert_weight.py:167: Saved to directory: [1m/tmp/tmpq8el2iww[0m

	All finished, 131 total shards committed, record saved to /tmp/tmpq8el2iww/ndarray-cache.json
	Also saved a bf16 record to /tmp/tmpq8el2iww/ndarray-cache-b16.json