recipe.yaml

gptq_stage:
  obcq_modifiers:
    GPTQModifier:
      config_groups:
        attn_8bit:
          targets: [model.layers.0.self_attn.k_proj, model.layers.0.self_attn.o_proj, model.layers.0.self_attn.q_proj,
            model.layers.0.self_attn.v_proj, model.layers.1.self_attn.k_proj, model.layers.1.self_attn.o_proj,
            model.layers.1.self_attn.q_proj, model.layers.1.self_attn.v_proj, model.layers.10.self_attn.k_proj,
            model.layers.10.self_attn.o_proj, model.layers.10.self_attn.q_proj, model.layers.10.self_attn.v_proj,
            model.layers.11.self_attn.k_proj, model.layers.11.self_attn.o_proj, model.layers.11.self_attn.q_proj,
            model.layers.11.self_attn.v_proj, model.layers.12.self_attn.k_proj, model.layers.12.self_attn.o_proj,
            model.layers.12.self_attn.q_proj, model.layers.12.self_attn.v_proj, model.layers.13.self_attn.k_proj,
            model.layers.13.self_attn.o_proj, model.layers.13.self_attn.q_proj, model.layers.13.self_attn.v_proj,
            model.layers.14.self_attn.k_proj, model.layers.14.self_attn.o_proj, model.layers.14.self_attn.q_proj,
            model.layers.14.self_attn.v_proj, model.layers.15.self_attn.k_proj, model.layers.15.self_attn.o_proj,
            model.layers.15.self_attn.q_proj, model.layers.15.self_attn.v_proj, model.layers.16.self_attn.k_proj,
            model.layers.16.self_attn.o_proj, model.layers.16.self_attn.q_proj, model.layers.16.self_attn.v_proj,
            model.layers.17.self_attn.k_proj, model.layers.17.self_attn.o_proj, model.layers.17.self_attn.q_proj,
            model.layers.17.self_attn.v_proj, model.layers.18.self_attn.k_proj, model.layers.18.self_attn.o_proj,
            model.layers.18.self_attn.q_proj, model.layers.18.self_attn.v_proj, model.layers.19.self_attn.k_proj,
            model.layers.19.self_attn.o_proj, model.layers.19.self_attn.q_proj, model.layers.19.self_attn.v_proj,
            model.layers.2.self_attn.k_proj, model.layers.2.self_attn.o_proj, model.layers.2.self_attn.q_proj,
            model.layers.2.self_attn.v_proj, model.layers.20.self_attn.k_proj, model.layers.20.self_attn.o_proj,
            model.layers.20.self_attn.q_proj, model.layers.20.self_attn.v_proj, model.layers.21.self_attn.k_proj,
            model.layers.21.self_attn.o_proj, model.layers.21.self_attn.q_proj, model.layers.21.self_attn.v_proj,
            model.layers.22.self_attn.k_proj, model.layers.22.self_attn.o_proj, model.layers.22.self_attn.q_proj,
            model.layers.22.self_attn.v_proj, model.layers.23.self_attn.k_proj, model.layers.23.self_attn.o_proj,
            model.layers.23.self_attn.q_proj, model.layers.23.self_attn.v_proj, model.layers.24.self_attn.k_proj,
            model.layers.24.self_attn.o_proj, model.layers.24.self_attn.q_proj, model.layers.24.self_attn.v_proj,
            model.layers.25.self_attn.k_proj, model.layers.25.self_attn.o_proj, model.layers.25.self_attn.q_proj,
            model.layers.25.self_attn.v_proj, model.layers.26.self_attn.k_proj, model.layers.26.self_attn.o_proj,
            model.layers.26.self_attn.q_proj, model.layers.26.self_attn.v_proj, model.layers.27.self_attn.k_proj,
            model.layers.27.self_attn.o_proj, model.layers.27.self_attn.q_proj, model.layers.27.self_attn.v_proj,
            model.layers.28.self_attn.k_proj, model.layers.28.self_attn.o_proj, model.layers.28.self_attn.q_proj,
            model.layers.28.self_attn.v_proj, model.layers.29.self_attn.k_proj, model.layers.29.self_attn.o_proj,
            model.layers.29.self_attn.q_proj, model.layers.29.self_attn.v_proj, model.layers.3.self_attn.k_proj,
            model.layers.3.self_attn.o_proj, model.layers.3.self_attn.q_proj, model.layers.3.self_attn.v_proj,
            model.layers.4.self_attn.k_proj, model.layers.4.self_attn.o_proj, model.layers.4.self_attn.q_proj,
            model.layers.4.self_attn.v_proj, model.layers.5.self_attn.k_proj, model.layers.5.self_attn.o_proj,
            model.layers.5.self_attn.q_proj, model.layers.5.self_attn.v_proj, model.layers.6.self_attn.k_proj,
            model.layers.6.self_attn.o_proj, model.layers.6.self_attn.q_proj, model.layers.6.self_attn.v_proj,
            model.layers.7.self_attn.k_proj, model.layers.7.self_attn.o_proj, model.layers.7.self_attn.q_proj,
            model.layers.7.self_attn.v_proj, model.layers.8.self_attn.k_proj, model.layers.8.self_attn.o_proj,
            model.layers.8.self_attn.q_proj, model.layers.8.self_attn.v_proj, model.layers.9.self_attn.k_proj,
            model.layers.9.self_attn.o_proj, model.layers.9.self_attn.q_proj, model.layers.9.self_attn.v_proj]
          weights:
            num_bits: 8
            type: int
            symmetric: true
            group_size: 128
            strategy: group
            block_structure: null
            dynamic: false
            actorder: dynamic
            scale_dtype: null
            zp_dtype: null
            observer: minmax
            observer_kwargs: {}
          input_activations: null
          output_activations: null
          format: null
        mlp_8bit:
          targets: [model.layers.0.mlp.down_proj, model.layers.0.mlp.gate_proj, model.layers.0.mlp.up_proj,
            model.layers.1.mlp.down_proj, model.layers.1.mlp.gate_proj, model.layers.1.mlp.up_proj,
            model.layers.10.mlp.down_proj, model.layers.10.mlp.gate_proj, model.layers.10.mlp.up_proj,
            model.layers.11.mlp.down_proj, model.layers.11.mlp.gate_proj, model.layers.11.mlp.up_proj,
            model.layers.12.mlp.down_proj, model.layers.12.mlp.gate_proj, model.layers.12.mlp.up_proj,
            model.layers.13.mlp.down_proj, model.layers.13.mlp.gate_proj, model.layers.13.mlp.up_proj,
            model.layers.14.mlp.down_proj, model.layers.14.mlp.gate_proj, model.layers.14.mlp.up_proj,
            model.layers.15.mlp.down_proj, model.layers.15.mlp.gate_proj, model.layers.15.mlp.up_proj,
            model.layers.16.mlp.down_proj, model.layers.16.mlp.gate_proj, model.layers.16.mlp.up_proj,
            model.layers.17.mlp.down_proj, model.layers.17.mlp.gate_proj, model.layers.17.mlp.up_proj,
            model.layers.18.mlp.down_proj, model.layers.18.mlp.gate_proj, model.layers.18.mlp.up_proj,
            model.layers.19.mlp.down_proj, model.layers.19.mlp.gate_proj, model.layers.19.mlp.up_proj,
            model.layers.2.mlp.down_proj, model.layers.2.mlp.gate_proj, model.layers.2.mlp.up_proj,
            model.layers.20.mlp.down_proj, model.layers.20.mlp.gate_proj, model.layers.20.mlp.up_proj,
            model.layers.21.mlp.down_proj, model.layers.21.mlp.gate_proj, model.layers.21.mlp.up_proj,
            model.layers.22.mlp.down_proj, model.layers.22.mlp.gate_proj, model.layers.22.mlp.up_proj,
            model.layers.23.mlp.down_proj, model.layers.23.mlp.gate_proj, model.layers.23.mlp.up_proj,
            model.layers.24.mlp.down_proj, model.layers.24.mlp.gate_proj, model.layers.24.mlp.up_proj,
            model.layers.25.mlp.down_proj, model.layers.25.mlp.gate_proj, model.layers.25.mlp.up_proj,
            model.layers.26.mlp.down_proj, model.layers.26.mlp.gate_proj, model.layers.26.mlp.up_proj,
            model.layers.27.mlp.down_proj, model.layers.27.mlp.gate_proj, model.layers.27.mlp.up_proj,
            model.layers.28.mlp.down_proj, model.layers.28.mlp.gate_proj, model.layers.28.mlp.up_proj,
            model.layers.29.mlp.down_proj, model.layers.29.mlp.gate_proj, model.layers.29.mlp.up_proj,
            model.layers.3.mlp.down_proj, model.layers.3.mlp.gate_proj, model.layers.3.mlp.up_proj,
            model.layers.4.mlp.down_proj, model.layers.4.mlp.gate_proj, model.layers.4.mlp.up_proj,
            model.layers.5.mlp.down_proj, model.layers.5.mlp.gate_proj, model.layers.5.mlp.up_proj,
            model.layers.6.mlp.down_proj, model.layers.6.mlp.gate_proj, model.layers.6.mlp.up_proj,
            model.layers.7.mlp.down_proj, model.layers.7.mlp.gate_proj, model.layers.7.mlp.up_proj,
            model.layers.8.mlp.down_proj, model.layers.8.mlp.gate_proj, model.layers.8.mlp.up_proj,
            model.layers.9.mlp.down_proj, model.layers.9.mlp.gate_proj, model.layers.9.mlp.up_proj]
          weights:
            num_bits: 8
            type: int
            symmetric: true
            group_size: 128
            strategy: group
            block_structure: null
            dynamic: false
            actorder: dynamic
            scale_dtype: null
            zp_dtype: null
            observer: minmax
            observer_kwargs: {}
          input_activations: null
          output_activations: null
          format: null
      targets: [Linear]
      ignore: [model.embed_tokens, lm_head]
      block_size: 128
      dampening_frac: 0.005
      actorder: dynamic
      offload_hessians: false