debug.log

[2026-02-12 03:54:19,150] [WARNING] [py.warnings._showwarnmsg:110] [PID:6928] /root/axolotl/.venv/lib/python3.12/site-packages/torch/distributed/distributed_c10d.py:4807: UserWarning: No device id is provided via `init_process_group` or `barrier `. Using the current device set by the user. 
  warnings.warn(  # warn only once

[2026-02-12 03:54:22,709] [WARNING] [huggingface_hub.utils._http._warn_on_warning_headers:779] [PID:6928] Warning: You are sending unauthenticated requests to the HF Hub. Please set a HF_TOKEN to enable higher rate limits and faster downloads.

Downloading (incomplete total...): 0.00B [00:00, ?B/s]

Fetching 6 files:   0%|                                                                                                                                                                     | 0/6 [00:00<?, ?it/s]

Fetching 6 files:  83%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▊                          | 5/6 [00:10<00:02,  2.19s/it]
Fetching 6 files: 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 6/6 [00:10<00:00,  1.83s/it]

Download complete: : 0.00B [00:10, ?B/s]              
Download complete: : 0.00B [00:11, ?B/s]

Loading weights:   0%|                                                                                                                                                                    | 0/363 [00:00<?, ?it/s]
Loading weights:   0%|▎                                                                                                                     | 1/363 [00:00<00:00, 4032.98it/s, Materializing param=lm_head.weight]
Loading weights:   0%|▎                                                                                                                     | 1/363 [00:00<00:00, 1735.33it/s, Materializing param=lm_head.weight]
Loading weights:   1%|▌                                                                                                          | 2/363 [00:00<00:00, 1862.89it/s, Materializing param=model.embed_tokens.weight]
Loading weights:   1%|▌                                                                                                          | 2/363 [00:00<00:00, 1465.77it/s, Materializing param=model.embed_tokens.weight]
Loading weights:   1%|▊                                                                                              | 3/363 [00:00<00:00, 1616.93it/s, Materializing param=model.layers.0.input_layernorm.weight]
Loading weights:   1%|▊                                                                                              | 3/363 [00:00<00:00, 1352.27it/s, Materializing param=model.layers.0.input_layernorm.weight]
Loading weights:   1%|█                                                                                                | 4/363 [00:00<00:00, 1455.47it/s, Materializing param=model.layers.0.mlp.down_proj.weight]
Loading weights:   1%|█                                                                                                | 4/363 [00:00<00:00, 1301.16it/s, Materializing param=model.layers.0.mlp.down_proj.weight]
Loading weights:   1%|█▎                                                                                               | 5/363 [00:00<00:00, 1360.73it/s, Materializing param=model.layers.0.mlp.gate_proj.weight]
Loading weights:   1%|█▎                                                                                               | 5/363 [00:00<00:00, 1171.72it/s, Materializing param=model.layers.0.mlp.gate_proj.weight]
Loading weights:   2%|█▋                                                                                                 | 6/363 [00:00<00:00, 1240.55it/s, Materializing param=model.layers.0.mlp.up_proj.weight]
Loading weights:   2%|█▋                                                                                                 | 6/363 [00:00<00:00, 1150.65it/s, Materializing param=model.layers.0.mlp.up_proj.weight]
Loading weights:   2%|█▋                                                                                    | 7/363 [00:00<00:00, 1202.25it/s, Materializing param=model.layers.0.post_attention_layernorm.weight]
Loading weights:   2%|█▋                                                                                    | 7/363 [00:00<00:00, 1108.14it/s, Materializing param=model.layers.0.post_attention_layernorm.weight]
Loading weights:   2%|██                                                                                            | 8/363 [00:00<00:00, 1136.28it/s, Materializing param=model.layers.0.self_attn.k_proj.weight]
Loading weights:   2%|██                                                                                            | 8/363 [00:00<00:00, 1063.60it/s, Materializing param=model.layers.0.self_attn.k_proj.weight]
Loading weights:   2%|██▎                                                                                           | 9/363 [00:00<00:00, 1100.67it/s, Materializing param=model.layers.0.self_attn.o_proj.weight]
Loading weights:   2%|██▎                                                                                           | 9/363 [00:00<00:00, 1041.95it/s, Materializing param=model.layers.0.self_attn.o_proj.weight]
Loading weights:   3%|██▌                                                                                          | 10/363 [00:00<00:00, 1087.28it/s, Materializing param=model.layers.0.self_attn.q_proj.weight]
Loading weights:   3%|██▌                                                                                          | 10/363 [00:00<00:00, 1046.61it/s, Materializing param=model.layers.0.self_attn.q_proj.weight]
Loading weights:   3%|██▊                                                                                          | 11/363 [00:00<00:00, 1087.58it/s, Materializing param=model.layers.0.self_attn.v_proj.weight]
Loading weights:   3%|██▊                                                                                          | 11/363 [00:00<00:00, 1037.05it/s, Materializing param=model.layers.0.self_attn.v_proj.weight]
Loading weights:   3%|███                                                                                           | 12/363 [00:00<00:00, 1049.30it/s, Materializing param=model.layers.1.input_layernorm.weight]
Loading weights:   3%|███                                                                                           | 12/363 [00:00<00:00, 1019.85it/s, Materializing param=model.layers.1.input_layernorm.weight]
Loading weights:   4%|███▍                                                                                            | 13/363 [00:00<00:00, 1061.99it/s, Materializing param=model.layers.1.mlp.down_proj.weight]
Loading weights:   4%|███▍                                                                                            | 13/363 [00:00<00:00, 1034.28it/s, Materializing param=model.layers.1.mlp.down_proj.weight]
Loading weights:   4%|███▋                                                                                            | 14/363 [00:00<00:00, 1073.79it/s, Materializing param=model.layers.1.mlp.gate_proj.weight]
Loading weights:   4%|███▋                                                                                            | 14/363 [00:00<00:00, 1048.35it/s, Materializing param=model.layers.1.mlp.gate_proj.weight]
Loading weights:   4%|████                                                                                              | 15/363 [00:00<00:00, 1078.10it/s, Materializing param=model.layers.1.mlp.up_proj.weight]
Loading weights:   4%|████                                                                                               | 15/363 [00:00<00:00, 979.03it/s, Materializing param=model.layers.1.mlp.up_proj.weight]
Loading weights:   4%|███▊                                                                                  | 16/363 [00:00<00:00, 997.40it/s, Materializing param=model.layers.1.post_attention_layernorm.weight]
Loading weights:   4%|███▊                                                                                  | 16/363 [00:00<00:00, 975.52it/s, Materializing param=model.layers.1.post_attention_layernorm.weight]
Loading weights:   5%|████▎                                                                                        | 17/363 [00:00<00:00, 1003.63it/s, Materializing param=model.layers.1.self_attn.k_proj.weight]
Loading weights:   5%|████▍                                                                                         | 17/363 [00:00<00:00, 984.95it/s, Materializing param=model.layers.1.self_attn.k_proj.weight]
Loading weights:   5%|████▌                                                                                        | 18/363 [00:00<00:00, 1010.46it/s, Materializing param=model.layers.1.self_attn.o_proj.weight]
Loading weights:   5%|████▋                                                                                         | 18/363 [00:00<00:00, 992.38it/s, Materializing param=model.layers.1.self_attn.o_proj.weight]
Loading weights:   5%|████▊                                                                                        | 19/363 [00:00<00:00, 1021.40it/s, Materializing param=model.layers.1.self_attn.q_proj.weight]
Loading weights:   5%|████▊                                                                                        | 19/363 [00:00<00:00, 1003.89it/s, Materializing param=model.layers.1.self_attn.q_proj.weight]
Loading weights:   6%|█████                                                                                        | 20/363 [00:00<00:00, 1029.71it/s, Materializing param=model.layers.1.self_attn.v_proj.weight]
Loading weights:   6%|█████                                                                                        | 20/363 [00:00<00:00, 1013.25it/s, Materializing param=model.layers.1.self_attn.v_proj.weight]
Loading weights:   6%|█████▍                                                                                        | 21/363 [00:00<00:00, 1039.00it/s, Materializing param=model.layers.2.input_layernorm.weight]
Loading weights:   6%|█████▍                                                                                        | 21/363 [00:00<00:00, 1022.03it/s, Materializing param=model.layers.2.input_layernorm.weight]
Loading weights:   6%|█████▊                                                                                          | 22/363 [00:00<00:00, 1046.76it/s, Materializing param=model.layers.2.mlp.down_proj.weight]
Loading weights:   6%|█████▊                                                                                          | 22/363 [00:00<00:00, 1031.07it/s, Materializing param=model.layers.2.mlp.down_proj.weight]
Loading weights:   6%|██████                                                                                          | 23/363 [00:00<00:00, 1053.55it/s, Materializing param=model.layers.2.mlp.gate_proj.weight]
Loading weights:   6%|██████                                                                                          | 23/363 [00:00<00:00, 1038.55it/s, Materializing param=model.layers.2.mlp.gate_proj.weight]
Loading weights:   7%|██████▍                                                                                           | 24/363 [00:00<00:00, 1017.36it/s, Materializing param=model.layers.2.mlp.up_proj.weight]
Loading weights:   7%|██████▌                                                                                            | 24/363 [00:00<00:00, 975.28it/s, Materializing param=model.layers.2.mlp.up_proj.weight]
Loading weights:   7%|█████▉                                                                                | 25/363 [00:00<00:00, 997.49it/s, Materializing param=model.layers.2.post_attention_layernorm.weight]
Loading weights:   7%|█████▉                                                                                | 25/363 [00:00<00:00, 985.38it/s, Materializing param=model.layers.2.post_attention_layernorm.weight]
Loading weights:   7%|██████▋                                                                                      | 26/363 [00:00<00:00, 1005.55it/s, Materializing param=model.layers.2.self_attn.k_proj.weight]
Loading weights:   7%|██████▋                                                                                       | 26/363 [00:00<00:00, 994.37it/s, Materializing param=model.layers.2.self_attn.k_proj.weight]
Loading weights:   7%|██████▉                                                                                      | 27/363 [00:00<00:00, 1014.63it/s, Materializing param=model.layers.2.self_attn.o_proj.weight]
Loading weights:   7%|██████▉                                                                                      | 27/363 [00:00<00:00, 1004.62it/s, Materializing param=model.layers.2.self_attn.o_proj.weight]
Loading weights:   8%|███████▏                                                                                     | 28/363 [00:00<00:00, 1025.89it/s, Materializing param=model.layers.2.self_attn.q_proj.weight]
Loading weights:   8%|███████▏                                                                                     | 28/363 [00:00<00:00, 1015.84it/s, Materializing param=model.layers.2.self_attn.q_proj.weight]
Loading weights:   8%|███████▍                                                                                     | 29/363 [00:00<00:00, 1036.22it/s, Materializing param=model.layers.2.self_attn.v_proj.weight]
Loading weights:   8%|███████▍                                                                                     | 29/363 [00:00<00:00, 1025.56it/s, Materializing param=model.layers.2.self_attn.v_proj.weight]
Loading weights:   8%|███████▊                                                                                      | 30/363 [00:00<00:00, 1043.01it/s, Materializing param=model.layers.3.input_layernorm.weight]
Loading weights:   8%|███████▊                                                                                      | 30/363 [00:00<00:00, 1032.86it/s, Materializing param=model.layers.3.input_layernorm.weight]
Loading weights:   9%|████████▏                                                                                       | 31/363 [00:00<00:00, 1052.40it/s, Materializing param=model.layers.3.mlp.down_proj.weight]
Loading weights:   9%|████████▏                                                                                       | 31/363 [00:00<00:00, 1041.63it/s, Materializing param=model.layers.3.mlp.down_proj.weight]
Loading weights:   9%|████████▍                                                                                       | 32/363 [00:00<00:00, 1060.19it/s, Materializing param=model.layers.3.mlp.gate_proj.weight]
Loading weights:   9%|████████▍                                                                                       | 32/363 [00:00<00:00, 1050.32it/s, Materializing param=model.layers.3.mlp.gate_proj.weight]
Loading weights:   9%|████████▉                                                                                         | 33/363 [00:00<00:00, 1068.89it/s, Materializing param=model.layers.3.mlp.up_proj.weight]
Loading weights:   9%|████████▉                                                                                         | 33/363 [00:00<00:00, 1046.97it/s, Materializing param=model.layers.3.mlp.up_proj.weight]
Loading weights:   9%|███████▉                                                                             | 34/363 [00:00<00:00, 1064.60it/s, Materializing param=model.layers.3.post_attention_layernorm.weight]
Loading weights:   9%|███████▉                                                                             | 34/363 [00:00<00:00, 1055.28it/s, Materializing param=model.layers.3.post_attention_layernorm.weight]
Loading weights:  10%|████████▉                                                                                    | 35/363 [00:00<00:00, 1069.94it/s, Materializing param=model.layers.3.self_attn.k_proj.weight]
Loading weights:  10%|████████▉                                                                                    | 35/363 [00:00<00:00, 1060.58it/s, Materializing param=model.layers.3.self_attn.k_proj.weight]
Loading weights:  10%|█████████▏                                                                                   | 36/363 [00:00<00:00, 1014.72it/s, Materializing param=model.layers.3.self_attn.o_proj.weight]
Loading weights:  10%|█████████▏                                                                                   | 36/363 [00:00<00:00, 1002.06it/s, Materializing param=model.layers.3.self_attn.o_proj.weight]
Loading weights:  10%|█████████▍                                                                                   | 37/363 [00:00<00:00, 1009.74it/s, Materializing param=model.layers.3.self_attn.q_proj.weight]
Loading weights:  10%|█████████▍                                                                                   | 37/363 [00:00<00:00, 1000.14it/s, Materializing param=model.layers.3.self_attn.q_proj.weight]
Loading weights:  10%|█████████▋                                                                                   | 38/363 [00:00<00:00, 1012.19it/s, Materializing param=model.layers.3.self_attn.v_proj.weight]
Loading weights:  10%|█████████▋                                                                                   | 38/363 [00:00<00:00, 1002.91it/s, Materializing param=model.layers.3.self_attn.v_proj.weight]
Loading weights:  11%|██████████                                                                                    | 39/363 [00:00<00:00, 1014.73it/s, Materializing param=model.layers.4.input_layernorm.weight]
Loading weights:  11%|██████████                                                                                    | 39/363 [00:00<00:00, 1004.91it/s, Materializing param=model.layers.4.input_layernorm.weight]
Loading weights:  11%|██████████▌                                                                                     | 40/363 [00:00<00:00, 1016.99it/s, Materializing param=model.layers.4.mlp.down_proj.weight]
Loading weights:  11%|██████████▌                                                                                     | 40/363 [00:00<00:00, 1008.52it/s, Materializing param=model.layers.4.mlp.down_proj.weight]
Loading weights:  11%|██████████▊                                                                                     | 41/363 [00:00<00:00, 1023.98it/s, Materializing param=model.layers.4.mlp.gate_proj.weight]
Loading weights:  11%|██████████▊                                                                                     | 41/363 [00:00<00:00, 1017.23it/s, Materializing param=model.layers.4.mlp.gate_proj.weight]
Loading weights:  12%|███████████▍                                                                                       | 42/363 [00:00<00:00, 999.45it/s, Materializing param=model.layers.4.mlp.up_proj.weight]
Loading weights:  12%|███████████▍                                                                                       | 42/363 [00:00<00:00, 975.28it/s, Materializing param=model.layers.4.mlp.up_proj.weight]
Loading weights:  12%|██████████▏                                                                           | 43/363 [00:00<00:00, 982.28it/s, Materializing param=model.layers.4.post_attention_layernorm.weight]
Loading weights:  12%|██████████▏                                                                           | 43/363 [00:00<00:00, 973.57it/s, Materializing param=model.layers.4.post_attention_layernorm.weight]
Loading weights:  12%|███████████▍                                                                                  | 44/363 [00:00<00:00, 959.56it/s, Materializing param=model.layers.4.self_attn.k_proj.weight]
Loading weights:  12%|███████████▍                                                                                  | 44/363 [00:00<00:00, 950.74it/s, Materializing param=model.layers.4.self_attn.k_proj.weight]
Loading weights:  12%|███████████▋                                                                                  | 45/363 [00:00<00:00, 959.11it/s, Materializing param=model.layers.4.self_attn.o_proj.weight]
Loading weights:  12%|███████████▋                                                                                  | 45/363 [00:00<00:00, 945.25it/s, Materializing param=model.layers.4.self_attn.o_proj.weight]
Loading weights:  13%|███████████▉                                                                                  | 46/363 [00:00<00:00, 951.31it/s, Materializing param=model.layers.4.self_attn.q_proj.weight]
Loading weights:  13%|███████████▉                                                                                  | 46/363 [00:00<00:00, 928.96it/s, Materializing param=model.layers.4.self_attn.q_proj.weight]
Loading weights:  13%|████████████▏                                                                                 | 47/363 [00:00<00:00, 937.34it/s, Materializing param=model.layers.4.self_attn.v_proj.weight]
Loading weights:  13%|████████████▏                                                                                 | 47/363 [00:00<00:00, 931.63it/s, Materializing param=model.layers.4.self_attn.v_proj.weight]
Loading weights:  13%|████████████▌                                                                                  | 48/363 [00:00<00:00, 933.18it/s, Materializing param=model.layers.5.input_layernorm.weight]
Loading weights:  13%|████████████▌                                                                                  | 48/363 [00:00<00:00, 927.09it/s, Materializing param=model.layers.5.input_layernorm.weight]
Loading weights:  13%|█████████████                                                                                    | 49/363 [00:00<00:00, 936.50it/s, Materializing param=model.layers.5.mlp.down_proj.weight]
Loading weights:  13%|█████████████                                                                                    | 49/363 [00:00<00:00, 929.43it/s, Materializing param=model.layers.5.mlp.down_proj.weight]
Loading weights:  14%|█████████████▎                                                                                   | 50/363 [00:00<00:00, 938.16it/s, Materializing param=model.layers.5.mlp.gate_proj.weight]
Loading weights:  14%|█████████████▎                                                                                   | 50/363 [00:00<00:00, 919.38it/s, Materializing param=model.layers.5.mlp.gate_proj.weight]
Loading weights:  14%|█████████████▉                                                                                     | 51/363 [00:00<00:00, 915.10it/s, Materializing param=model.layers.5.mlp.up_proj.weight]
Loading weights:  14%|█████████████▉                                                                                     | 51/363 [00:00<00:00, 908.71it/s, Materializing param=model.layers.5.mlp.up_proj.weight]
Loading weights:  14%|████████████▎                                                                         | 52/363 [00:00<00:00, 916.63it/s, Materializing param=model.layers.5.post_attention_layernorm.weight]
Loading weights:  14%|████████████▎                                                                         | 52/363 [00:00<00:00, 909.80it/s, Materializing param=model.layers.5.post_attention_layernorm.weight]
Loading weights:  15%|█████████████▋                                                                                | 53/363 [00:00<00:00, 915.92it/s, Materializing param=model.layers.5.self_attn.k_proj.weight]
Loading weights:  15%|█████████████▋                                                                                | 53/363 [00:00<00:00, 909.63it/s, Materializing param=model.layers.5.self_attn.k_proj.weight]
Loading weights:  15%|█████████████▉                                                                                | 54/363 [00:00<00:00, 918.13it/s, Materializing param=model.layers.5.self_attn.o_proj.weight]
Loading weights:  15%|█████████████▉                                                                                | 54/363 [00:00<00:00, 892.60it/s, Materializing param=model.layers.5.self_attn.o_proj.weight]
Loading weights:  15%|██████████████▏                                                                               | 55/363 [00:00<00:00, 865.98it/s, Materializing param=model.layers.5.self_attn.q_proj.weight]
Loading weights:  15%|██████████████▏                                                                               | 55/363 [00:00<00:00, 850.09it/s, Materializing param=model.layers.5.self_attn.q_proj.weight]
Loading weights:  15%|██████████████▌                                                                               | 56/363 [00:00<00:00, 856.94it/s, Materializing param=model.layers.5.self_attn.v_proj.weight]
Loading weights:  15%|██████████████▌                                                                               | 56/363 [00:00<00:00, 846.16it/s, Materializing param=model.layers.5.self_attn.v_proj.weight]
Loading weights:  16%|██████████████▉                                                                                | 57/363 [00:00<00:00, 853.25it/s, Materializing param=model.layers.6.input_layernorm.weight]
Loading weights:  16%|██████████████▉                                                                                | 57/363 [00:00<00:00, 848.69it/s, Materializing param=model.layers.6.input_layernorm.weight]
Loading weights:  16%|███████████████▍                                                                                 | 58/363 [00:00<00:00, 855.42it/s, Materializing param=model.layers.6.mlp.down_proj.weight]
Loading weights:  16%|███████████████▍                                                                                 | 58/363 [00:00<00:00, 846.52it/s, Materializing param=model.layers.6.mlp.down_proj.weight]
Loading weights:  16%|███████████████▊                                                                                 | 59/363 [00:00<00:00, 826.58it/s, Materializing param=model.layers.6.mlp.gate_proj.weight]
Loading weights:  16%|███████████████▊                                                                                 | 59/363 [00:00<00:00, 816.20it/s, Materializing param=model.layers.6.mlp.gate_proj.weight]
Loading weights:  17%|████████████████▎                                                                                  | 60/363 [00:00<00:00, 824.26it/s, Materializing param=model.layers.6.mlp.up_proj.weight]
Loading weights:  17%|████████████████▎                                                                                  | 60/363 [00:00<00:00, 821.13it/s, Materializing param=model.layers.6.mlp.up_proj.weight]
Loading weights:  17%|██████████████▍                                                                       | 61/363 [00:00<00:00, 829.70it/s, Materializing param=model.layers.6.post_attention_layernorm.weight]
Loading weights:  17%|██████████████▍                                                                       | 61/363 [00:00<00:00, 826.40it/s, Materializing param=model.layers.6.post_attention_layernorm.weight]
Loading weights:  17%|████████████████                                                                              | 62/363 [00:00<00:00, 834.99it/s, Materializing param=model.layers.6.self_attn.k_proj.weight]
Loading weights:  17%|████████████████                                                                              | 62/363 [00:00<00:00, 831.76it/s, Materializing param=model.layers.6.self_attn.k_proj.weight]
Loading weights:  17%|████████████████▎                                                                             | 63/363 [00:00<00:00, 840.21it/s, Materializing param=model.layers.6.self_attn.o_proj.weight]
Loading weights:  17%|████████████████▎                                                                             | 63/363 [00:00<00:00, 837.01it/s, Materializing param=model.layers.6.self_attn.o_proj.weight]
Loading weights:  18%|████████████████▌                                                                             | 64/363 [00:00<00:00, 845.31it/s, Materializing param=model.layers.6.self_attn.q_proj.weight]
Loading weights:  18%|████████████████▌                                                                             | 64/363 [00:00<00:00, 841.98it/s, Materializing param=model.layers.6.self_attn.q_proj.weight]
Loading weights:  18%|████████████████▊                                                                             | 65/363 [00:00<00:00, 850.02it/s, Materializing param=model.layers.6.self_attn.v_proj.weight]
Loading weights:  18%|████████████████▊                                                                             | 65/363 [00:00<00:00, 847.04it/s, Materializing param=model.layers.6.self_attn.v_proj.weight]
Loading weights:  18%|█████████████████▎                                                                             | 66/363 [00:00<00:00, 855.42it/s, Materializing param=model.layers.7.input_layernorm.weight]
Loading weights:  18%|█████████████████▎                                                                             | 66/363 [00:00<00:00, 837.50it/s, Materializing param=model.layers.7.input_layernorm.weight]
Loading weights:  18%|█████████████████▉                                                                               | 67/363 [00:00<00:00, 839.23it/s, Materializing param=model.layers.7.mlp.down_proj.weight]
Loading weights:  18%|█████████████████▉                                                                               | 67/363 [00:00<00:00, 835.48it/s, Materializing param=model.layers.7.mlp.down_proj.weight]
Loading weights:  19%|██████████████████▏                                                                              | 68/363 [00:00<00:00, 838.56it/s, Materializing param=model.layers.7.mlp.gate_proj.weight]
Loading weights:  19%|██████████████████▏                                                                              | 68/363 [00:00<00:00, 829.33it/s, Materializing param=model.layers.7.mlp.gate_proj.weight]
Loading weights:  19%|██████████████████▊                                                                                | 69/363 [00:00<00:00, 815.09it/s, Materializing param=model.layers.7.mlp.up_proj.weight]
Loading weights:  19%|██████████████████▊                                                                                | 69/363 [00:00<00:00, 809.53it/s, Materializing param=model.layers.7.mlp.up_proj.weight]
Loading weights:  19%|████████████████▌                                                                     | 70/363 [00:00<00:00, 814.96it/s, Materializing param=model.layers.7.post_attention_layernorm.weight]
Loading weights:  19%|████████████████▌                                                                     | 70/363 [00:00<00:00, 810.84it/s, Materializing param=model.layers.7.post_attention_layernorm.weight]
Loading weights:  20%|██████████████████▍                                                                           | 71/363 [00:00<00:00, 814.85it/s, Materializing param=model.layers.7.self_attn.k_proj.weight]
Loading weights:  20%|██████████████████▍                                                                           | 71/363 [00:00<00:00, 808.66it/s, Materializing param=model.layers.7.self_attn.k_proj.weight]
Loading weights:  20%|██████████████████▋                                                                           | 72/363 [00:00<00:00, 808.29it/s, Materializing param=model.layers.7.self_attn.o_proj.weight]
Loading weights:  20%|██████████████████▋                                                                           | 72/363 [00:00<00:00, 792.52it/s, Materializing param=model.layers.7.self_attn.o_proj.weight]
Loading weights:  20%|██████████████████▉                                                                           | 73/363 [00:00<00:00, 794.44it/s, Materializing param=model.layers.7.self_attn.q_proj.weight]
Loading weights:  20%|██████████████████▉                                                                           | 73/363 [00:00<00:00, 788.74it/s, Materializing param=model.layers.7.self_attn.q_proj.weight]
Loading weights:  20%|███████████████████▏                                                                          | 74/363 [00:00<00:00, 791.36it/s, Materializing param=model.layers.7.self_attn.v_proj.weight]
Loading weights:  20%|███████████████████▏                                                                          | 74/363 [00:00<00:00, 785.39it/s, Materializing param=model.layers.7.self_attn.v_proj.weight]
Loading weights:  21%|███████████████████▋                                                                           | 75/363 [00:00<00:00, 789.96it/s, Materializing param=model.layers.8.input_layernorm.weight]
Loading weights:  21%|███████████████████▋                                                                           | 75/363 [00:00<00:00, 773.01it/s, Materializing param=model.layers.8.input_layernorm.weight]
Loading weights:  21%|████████████████████▎                                                                            | 76/363 [00:00<00:00, 772.32it/s, Materializing param=model.layers.8.mlp.down_proj.weight]
Loading weights:  21%|████████████████████▎                                                                            | 76/363 [00:00<00:00, 769.03it/s, Materializing param=model.layers.8.mlp.down_proj.weight]
Loading weights:  21%|████████████████████▌                                                                            | 77/363 [00:00<00:00, 774.52it/s, Materializing param=model.layers.8.mlp.gate_proj.weight]
Loading weights:  21%|████████████████████▌                                                                            | 77/363 [00:00<00:00, 771.52it/s, Materializing param=model.layers.8.mlp.gate_proj.weight]
Loading weights:  21%|████████████████████▊                                                                            | 78/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.mlp.gate_proj.weight]
Loading weights:  21%|█████████████████████▎                                                                             | 78/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.mlp.up_proj.weight]
Loading weights:  21%|█████████████████████▎                                                                             | 78/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.mlp.up_proj.weight]
Loading weights:  22%|██████████████████▋                                                                   | 79/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.post_attention_layernorm.weight]
Loading weights:  22%|██████████████████▋                                                                   | 79/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.post_attention_layernorm.weight]
Loading weights:  22%|████████████████████▋                                                                         | 80/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.self_attn.k_proj.weight]
Loading weights:  22%|████████████████████▋                                                                         | 80/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.self_attn.k_proj.weight]
Loading weights:  22%|████████████████████▉                                                                         | 81/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.self_attn.o_proj.weight]
Loading weights:  22%|████████████████████▉                                                                         | 81/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.self_attn.o_proj.weight]
Loading weights:  23%|█████████████████████▏                                                                        | 82/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.self_attn.q_proj.weight]
Loading weights:  23%|█████████████████████▏                                                                        | 82/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.self_attn.q_proj.weight]
Loading weights:  23%|█████████████████████▍                                                                        | 83/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.self_attn.v_proj.weight]
Loading weights:  23%|█████████████████████▍                                                                        | 83/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.8.self_attn.v_proj.weight]
Loading weights:  23%|█████████████████████▉                                                                         | 84/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.input_layernorm.weight]
Loading weights:  23%|█████████████████████▉                                                                         | 84/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.input_layernorm.weight]
Loading weights:  23%|██████████████████████▋                                                                          | 85/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.mlp.down_proj.weight]
Loading weights:  23%|██████████████████████▋                                                                          | 85/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.mlp.down_proj.weight]
Loading weights:  24%|██████████████████████▉                                                                          | 86/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.mlp.gate_proj.weight]
Loading weights:  24%|██████████████████████▉                                                                          | 86/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.mlp.gate_proj.weight]
Loading weights:  24%|███████████████████████▋                                                                           | 87/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.mlp.up_proj.weight]
Loading weights:  24%|███████████████████████▋                                                                           | 87/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.mlp.up_proj.weight]
Loading weights:  24%|████████████████████▊                                                                 | 88/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.post_attention_layernorm.weight]
Loading weights:  24%|████████████████████▊                                                                 | 88/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.post_attention_layernorm.weight]
Loading weights:  25%|███████████████████████                                                                       | 89/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.self_attn.k_proj.weight]
Loading weights:  25%|███████████████████████                                                                       | 89/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.self_attn.k_proj.weight]
Loading weights:  25%|███████████████████████▎                                                                      | 90/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.self_attn.o_proj.weight]
Loading weights:  25%|███████████████████████▎                                                                      | 90/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.self_attn.o_proj.weight]
Loading weights:  25%|███████████████████████▌                                                                      | 91/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.self_attn.q_proj.weight]
Loading weights:  25%|███████████████████████▌                                                                      | 91/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.self_attn.q_proj.weight]
Loading weights:  25%|███████████████████████▊                                                                      | 92/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.self_attn.v_proj.weight]
Loading weights:  25%|███████████████████████▊                                                                      | 92/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.9.self_attn.v_proj.weight]
Loading weights:  26%|████████████████████████                                                                      | 93/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.input_layernorm.weight]
Loading weights:  26%|████████████████████████                                                                      | 93/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.input_layernorm.weight]
Loading weights:  26%|████████████████████████▊                                                                       | 94/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.mlp.down_proj.weight]
Loading weights:  26%|████████████████████████▊                                                                       | 94/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.mlp.down_proj.weight]
Loading weights:  26%|█████████████████████████                                                                       | 95/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.mlp.gate_proj.weight]
Loading weights:  26%|█████████████████████████                                                                       | 95/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.mlp.gate_proj.weight]
Loading weights:  26%|█████████████████████████▉                                                                        | 96/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.mlp.up_proj.weight]
Loading weights:  26%|█████████████████████████▉                                                                        | 96/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.mlp.up_proj.weight]
Loading weights:  27%|██████████████████████▋                                                              | 97/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.post_attention_layernorm.weight]
Loading weights:  27%|██████████████████████▋                                                              | 97/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.post_attention_layernorm.weight]
Loading weights:  27%|█████████████████████████                                                                    | 98/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.self_attn.k_proj.weight]
Loading weights:  27%|█████████████████████████                                                                    | 98/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.self_attn.k_proj.weight]
Loading weights:  27%|█████████████████████████▎                                                                   | 99/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.self_attn.o_proj.weight]
Loading weights:  27%|█████████████████████████▎                                                                   | 99/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.self_attn.o_proj.weight]
Loading weights:  28%|█████████████████████████▎                                                                  | 100/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.self_attn.q_proj.weight]
Loading weights:  28%|█████████████████████████▎                                                                  | 100/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.self_attn.q_proj.weight]
Loading weights:  28%|█████████████████████████▌                                                                  | 101/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.self_attn.v_proj.weight]
Loading weights:  28%|█████████████████████████▌                                                                  | 101/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.10.self_attn.v_proj.weight]
Loading weights:  28%|██████████████████████████▏                                                                  | 102/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.input_layernorm.weight]
Loading weights:  28%|██████████████████████████▏                                                                  | 102/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.input_layernorm.weight]
Loading weights:  28%|██████████████████████████▉                                                                    | 103/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.mlp.down_proj.weight]
Loading weights:  28%|██████████████████████████▉                                                                    | 103/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.mlp.down_proj.weight]
Loading weights:  29%|███████████████████████████▏                                                                   | 104/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.mlp.gate_proj.weight]
Loading weights:  29%|███████████████████████████▏                                                                   | 104/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.mlp.gate_proj.weight]
Loading weights:  29%|████████████████████████████                                                                     | 105/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.mlp.up_proj.weight]
Loading weights:  29%|████████████████████████████                                                                     | 105/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.mlp.up_proj.weight]
Loading weights:  29%|████████████████████████▌                                                           | 106/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.post_attention_layernorm.weight]
Loading weights:  29%|████████████████████████▌                                                           | 106/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.post_attention_layernorm.weight]
Loading weights:  29%|███████████████████████████                                                                 | 107/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.self_attn.k_proj.weight]
Loading weights:  29%|███████████████████████████                                                                 | 107/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.self_attn.k_proj.weight]
Loading weights:  30%|███████████████████████████▎                                                                | 108/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.self_attn.o_proj.weight]
Loading weights:  30%|███████████████████████████▎                                                                | 108/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.self_attn.o_proj.weight]
Loading weights:  30%|███████████████████████████▋                                                                | 109/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.self_attn.q_proj.weight]
Loading weights:  30%|███████████████████████████▋                                                                | 109/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.self_attn.q_proj.weight]
Loading weights:  30%|███████████████████████████▉                                                                | 110/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.self_attn.v_proj.weight]
Loading weights:  30%|███████████████████████████▉                                                                | 110/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.11.self_attn.v_proj.weight]
Loading weights:  31%|████████████████████████████▍                                                                | 111/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.input_layernorm.weight]
Loading weights:  31%|████████████████████████████▍                                                                | 111/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.input_layernorm.weight]
Loading weights:  31%|█████████████████████████████▎                                                                 | 112/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.mlp.down_proj.weight]
Loading weights:  31%|█████████████████████████████▎                                                                 | 112/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.mlp.down_proj.weight]
Loading weights:  31%|█████████████████████████████▌                                                                 | 113/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.mlp.gate_proj.weight]
Loading weights:  31%|█████████████████████████████▌                                                                 | 113/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.mlp.gate_proj.weight]
Loading weights:  31%|██████████████████████████████▍                                                                  | 114/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.mlp.up_proj.weight]
Loading weights:  31%|██████████████████████████████▍                                                                  | 114/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.mlp.up_proj.weight]
Loading weights:  32%|██████████████████████████▌                                                         | 115/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.post_attention_layernorm.weight]
Loading weights:  32%|██████████████████████████▌                                                         | 115/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.post_attention_layernorm.weight]
Loading weights:  32%|█████████████████████████████▍                                                              | 116/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.self_attn.k_proj.weight]
Loading weights:  32%|█████████████████████████████▍                                                              | 116/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.self_attn.k_proj.weight]
Loading weights:  32%|█████████████████████████████▋                                                              | 117/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.self_attn.o_proj.weight]
Loading weights:  32%|█████████████████████████████▋                                                              | 117/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.self_attn.o_proj.weight]
Loading weights:  33%|█████████████████████████████▉                                                              | 118/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.self_attn.q_proj.weight]
Loading weights:  33%|█████████████████████████████▉                                                              | 118/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.self_attn.q_proj.weight]
Loading weights:  33%|██████████████████████████████▏                                                             | 119/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.self_attn.v_proj.weight]
Loading weights:  33%|██████████████████████████████▏                                                             | 119/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.12.self_attn.v_proj.weight]
Loading weights:  33%|██████████████████████████████▋                                                              | 120/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.input_layernorm.weight]
Loading weights:  33%|██████████████████████████████▋                                                              | 120/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.input_layernorm.weight]
Loading weights:  33%|███████████████████████████████▋                                                               | 121/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.mlp.down_proj.weight]
Loading weights:  33%|███████████████████████████████▋                                                               | 121/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.mlp.down_proj.weight]
Loading weights:  34%|███████████████████████████████▉                                                               | 122/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.mlp.gate_proj.weight]
Loading weights:  34%|███████████████████████████████▉                                                               | 122/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.mlp.gate_proj.weight]
Loading weights:  34%|████████████████████████████████▊                                                                | 123/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.mlp.up_proj.weight]
Loading weights:  34%|████████████████████████████████▊                                                                | 123/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.mlp.up_proj.weight]
Loading weights:  34%|████████████████████████████▋                                                       | 124/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.post_attention_layernorm.weight]
Loading weights:  34%|████████████████████████████▋                                                       | 124/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.post_attention_layernorm.weight]
Loading weights:  34%|███████████████████████████████▋                                                            | 125/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.self_attn.k_proj.weight]
Loading weights:  34%|███████████████████████████████▋                                                            | 125/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.self_attn.k_proj.weight]
Loading weights:  35%|███████████████████████████████▉                                                            | 126/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.self_attn.o_proj.weight]
Loading weights:  35%|███████████████████████████████▉                                                            | 126/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.self_attn.o_proj.weight]
Loading weights:  35%|████████████████████████████████▏                                                           | 127/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.self_attn.q_proj.weight]
Loading weights:  35%|████████████████████████████████▏                                                           | 127/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.self_attn.q_proj.weight]
Loading weights:  35%|████████████████████████████████▍                                                           | 128/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.self_attn.v_proj.weight]
Loading weights:  35%|████████████████████████████████▍                                                           | 128/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.13.self_attn.v_proj.weight]
Loading weights:  36%|█████████████████████████████████                                                            | 129/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.input_layernorm.weight]
Loading weights:  36%|█████████████████████████████████                                                            | 129/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.input_layernorm.weight]
Loading weights:  36%|██████████████████████████████████                                                             | 130/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.mlp.down_proj.weight]
Loading weights:  36%|██████████████████████████████████                                                             | 130/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.mlp.down_proj.weight]
Loading weights:  36%|██████████████████████████████████▎                                                            | 131/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.mlp.gate_proj.weight]
Loading weights:  36%|██████████████████████████████████▎                                                            | 131/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.mlp.gate_proj.weight]
Loading weights:  36%|███████████████████████████████████▎                                                             | 132/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.mlp.up_proj.weight]
Loading weights:  36%|███████████████████████████████████▎                                                             | 132/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.mlp.up_proj.weight]
Loading weights:  37%|██████████████████████████████▊                                                     | 133/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.post_attention_layernorm.weight]
Loading weights:  37%|██████████████████████████████▊                                                     | 133/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.post_attention_layernorm.weight]
Loading weights:  37%|█████████████████████████████████▉                                                          | 134/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.self_attn.k_proj.weight]
Loading weights:  37%|█████████████████████████████████▉                                                          | 134/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.self_attn.k_proj.weight]
Loading weights:  37%|██████████████████████████████████▏                                                         | 135/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.self_attn.o_proj.weight]
Loading weights:  37%|██████████████████████████████████▏                                                         | 135/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.self_attn.o_proj.weight]
Loading weights:  37%|██████████████████████████████████▍                                                         | 136/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.self_attn.q_proj.weight]
Loading weights:  37%|██████████████████████████████████▍                                                         | 136/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.self_attn.q_proj.weight]
Loading weights:  38%|██████████████████████████████████▋                                                         | 137/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.self_attn.v_proj.weight]
Loading weights:  38%|██████████████████████████████████▋                                                         | 137/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.14.self_attn.v_proj.weight]
Loading weights:  38%|███████████████████████████████████▎                                                         | 138/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.input_layernorm.weight]
Loading weights:  38%|███████████████████████████████████▎                                                         | 138/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.input_layernorm.weight]
Loading weights:  38%|████████████████████████████████████▍                                                          | 139/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.mlp.down_proj.weight]
Loading weights:  38%|████████████████████████████████████▍                                                          | 139/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.mlp.down_proj.weight]
Loading weights:  39%|████████████████████████████████████▋                                                          | 140/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.mlp.gate_proj.weight]
Loading weights:  39%|████████████████████████████████████▋                                                          | 140/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.mlp.gate_proj.weight]
Loading weights:  39%|█████████████████████████████████████▋                                                           | 141/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.mlp.up_proj.weight]
Loading weights:  39%|█████████████████████████████████████▋                                                           | 141/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.mlp.up_proj.weight]
Loading weights:  39%|████████████████████████████████▊                                                   | 142/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.post_attention_layernorm.weight]
Loading weights:  39%|████████████████████████████████▊                                                   | 142/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.post_attention_layernorm.weight]
Loading weights:  39%|████████████████████████████████████▏                                                       | 143/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.self_attn.k_proj.weight]
Loading weights:  39%|████████████████████████████████████▏                                                       | 143/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.self_attn.k_proj.weight]
Loading weights:  40%|████████████████████████████████████▍                                                       | 144/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.self_attn.o_proj.weight]
Loading weights:  40%|████████████████████████████████████▍                                                       | 144/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.self_attn.o_proj.weight]
Loading weights:  40%|████████████████████████████████████▋                                                       | 145/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.self_attn.q_proj.weight]
Loading weights:  40%|████████████████████████████████████▋                                                       | 145/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.self_attn.q_proj.weight]
Loading weights:  40%|█████████████████████████████████████                                                       | 146/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.self_attn.v_proj.weight]
Loading weights:  40%|█████████████████████████████████████                                                       | 146/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.15.self_attn.v_proj.weight]
Loading weights:  40%|█████████████████████████████████████▋                                                       | 147/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.input_layernorm.weight]
Loading weights:  40%|█████████████████████████████████████▋                                                       | 147/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.input_layernorm.weight]
Loading weights:  41%|██████████████████████████████████████▋                                                        | 148/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.mlp.down_proj.weight]
Loading weights:  41%|██████████████████████████████████████▋                                                        | 148/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.mlp.down_proj.weight]
Loading weights:  41%|██████████████████████████████████████▉                                                        | 149/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.mlp.gate_proj.weight]
Loading weights:  41%|██████████████████████████████████████▉                                                        | 149/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.mlp.gate_proj.weight]
Loading weights:  41%|████████████████████████████████████████                                                         | 150/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.mlp.up_proj.weight]
Loading weights:  41%|████████████████████████████████████████                                                         | 150/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.mlp.up_proj.weight]
Loading weights:  42%|██████████████████████████████████▉                                                 | 151/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.post_attention_layernorm.weight]
Loading weights:  42%|██████████████████████████████████▉                                                 | 151/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.post_attention_layernorm.weight]
Loading weights:  42%|██████████████████████████████████████▌                                                     | 152/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.self_attn.k_proj.weight]
Loading weights:  42%|██████████████████████████████████████▌                                                     | 152/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.self_attn.k_proj.weight]
Loading weights:  42%|██████████████████████████████████████▊                                                     | 153/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.self_attn.o_proj.weight]
Loading weights:  42%|██████████████████████████████████████▊                                                     | 153/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.self_attn.o_proj.weight]
Loading weights:  42%|███████████████████████████████████████                                                     | 154/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.self_attn.q_proj.weight]
Loading weights:  42%|███████████████████████████████████████                                                     | 154/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.self_attn.q_proj.weight]
Loading weights:  43%|███████████████████████████████████████▎                                                    | 155/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.self_attn.v_proj.weight]
Loading weights:  43%|███████████████████████████████████████▎                                                    | 155/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.16.self_attn.v_proj.weight]
Loading weights:  43%|███████████████████████████████████████▉                                                     | 156/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.input_layernorm.weight]
Loading weights:  43%|███████████████████████████████████████▉                                                     | 156/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.input_layernorm.weight]
Loading weights:  43%|█████████████████████████████████████████                                                      | 157/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.mlp.down_proj.weight]
Loading weights:  43%|█████████████████████████████████████████                                                      | 157/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.mlp.down_proj.weight]
Loading weights:  44%|█████████████████████████████████████████▎                                                     | 158/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.mlp.gate_proj.weight]
Loading weights:  44%|█████████████████████████████████████████▎                                                     | 158/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.mlp.gate_proj.weight]
Loading weights:  44%|██████████████████████████████████████████▍                                                      | 159/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.mlp.up_proj.weight]
Loading weights:  44%|██████████████████████████████████████████▍                                                      | 159/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.mlp.up_proj.weight]
Loading weights:  44%|█████████████████████████████████████                                               | 160/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.post_attention_layernorm.weight]
Loading weights:  44%|█████████████████████████████████████                                               | 160/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.post_attention_layernorm.weight]
Loading weights:  44%|████████████████████████████████████████▊                                                   | 161/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.self_attn.k_proj.weight]
Loading weights:  44%|████████████████████████████████████████▊                                                   | 161/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.self_attn.k_proj.weight]
Loading weights:  45%|█████████████████████████████████████████                                                   | 162/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.self_attn.o_proj.weight]
Loading weights:  45%|█████████████████████████████████████████                                                   | 162/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.self_attn.o_proj.weight]
Loading weights:  45%|█████████████████████████████████████████▎                                                  | 163/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.self_attn.q_proj.weight]
Loading weights:  45%|█████████████████████████████████████████▎                                                  | 163/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.self_attn.q_proj.weight]
Loading weights:  45%|█████████████████████████████████████████▌                                                  | 164/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.self_attn.v_proj.weight]
Loading weights:  45%|█████████████████████████████████████████▌                                                  | 164/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.17.self_attn.v_proj.weight]
Loading weights:  45%|██████████████████████████████████████████▎                                                  | 165/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.18.input_layernorm.weight]
Loading weights:  45%|██████████████████████████████████████████▎                                                  | 165/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.18.input_layernorm.weight]
Loading weights:  46%|███████████████████████████████████████████▍                                                   | 166/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.18.mlp.down_proj.weight]
Loading weights:  46%|███████████████████████████████████████████▍                                                   | 166/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.18.mlp.down_proj.weight]
Loading weights:  46%|███████████████████████████████████████████▋                                                   | 167/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.18.mlp.gate_proj.weight]
Loading weights:  46%|███████████████████████████████████████████▋                                                   | 167/363 [00:00<00:00, 777.45it/s, Materializing param=model.layers.18.mlp.gate_proj.weight]
Loading weights:  46%|███████████████████████████████████████████▉                                                   | 168/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.mlp.gate_proj.weight]
Loading weights:  46%|████████████████████████████████████████████▉                                                    | 168/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.mlp.up_proj.weight]
Loading weights:  46%|████████████████████████████████████████████▉                                                    | 168/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.mlp.up_proj.weight]
Loading weights:  47%|███████████████████████████████████████                                             | 169/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.post_attention_layernorm.weight]
Loading weights:  47%|███████████████████████████████████████                                             | 169/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.post_attention_layernorm.weight]
Loading weights:  47%|███████████████████████████████████████████                                                 | 170/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.self_attn.k_proj.weight]
Loading weights:  47%|███████████████████████████████████████████                                                 | 170/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.self_attn.k_proj.weight]
Loading weights:  47%|███████████████████████████████████████████▎                                                | 171/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.self_attn.o_proj.weight]
Loading weights:  47%|███████████████████████████████████████████▎                                                | 171/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.self_attn.o_proj.weight]
Loading weights:  47%|███████████████████████████████████████████▌                                                | 172/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.self_attn.q_proj.weight]
Loading weights:  47%|███████████████████████████████████████████▌                                                | 172/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.self_attn.q_proj.weight]
Loading weights:  48%|███████████████████████████████████████████▊                                                | 173/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.self_attn.v_proj.weight]
Loading weights:  48%|███████████████████████████████████████████▊                                                | 173/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.18.self_attn.v_proj.weight]
Loading weights:  48%|████████████████████████████████████████████▌                                                | 174/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.input_layernorm.weight]
Loading weights:  48%|████████████████████████████████████████████▌                                                | 174/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.input_layernorm.weight]
Loading weights:  48%|█████████████████████████████████████████████▊                                                 | 175/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.mlp.down_proj.weight]
Loading weights:  48%|█████████████████████████████████████████████▊                                                 | 175/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.mlp.down_proj.weight]
Loading weights:  48%|██████████████████████████████████████████████                                                 | 176/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.mlp.gate_proj.weight]
Loading weights:  48%|██████████████████████████████████████████████                                                 | 176/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.mlp.gate_proj.weight]
Loading weights:  49%|███████████████████████████████████████████████▎                                                 | 177/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.mlp.up_proj.weight]
Loading weights:  49%|███████████████████████████████████████████████▎                                                 | 177/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.mlp.up_proj.weight]
Loading weights:  49%|█████████████████████████████████████████▏                                          | 178/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.post_attention_layernorm.weight]
Loading weights:  49%|█████████████████████████████████████████▏                                          | 178/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.post_attention_layernorm.weight]
Loading weights:  49%|█████████████████████████████████████████████▎                                              | 179/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.self_attn.k_proj.weight]
Loading weights:  49%|█████████████████████████████████████████████▎                                              | 179/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.self_attn.k_proj.weight]
Loading weights:  50%|█████████████████████████████████████████████▌                                              | 180/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.self_attn.o_proj.weight]
Loading weights:  50%|█████████████████████████████████████████████▌                                              | 180/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.self_attn.o_proj.weight]
Loading weights:  50%|█████████████████████████████████████████████▊                                              | 181/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.self_attn.q_proj.weight]
Loading weights:  50%|█████████████████████████████████████████████▊                                              | 181/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.self_attn.q_proj.weight]
Loading weights:  50%|██████████████████████████████████████████████▏                                             | 182/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.self_attn.v_proj.weight]
Loading weights:  50%|██████████████████████████████████████████████▏                                             | 182/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.19.self_attn.v_proj.weight]
Loading weights:  50%|██████████████████████████████████████████████▉                                              | 183/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.input_layernorm.weight]
Loading weights:  50%|██████████████████████████████████████████████▉                                              | 183/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.input_layernorm.weight]
Loading weights:  51%|████████████████████████████████████████████████▏                                              | 184/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.mlp.down_proj.weight]
Loading weights:  51%|████████████████████████████████████████████████▏                                              | 184/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.mlp.down_proj.weight]
Loading weights:  51%|████████████████████████████████████████████████▍                                              | 185/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.mlp.gate_proj.weight]
Loading weights:  51%|████████████████████████████████████████████████▍                                              | 185/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.mlp.gate_proj.weight]
Loading weights:  51%|█████████████████████████████████████████████████▋                                               | 186/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.mlp.up_proj.weight]
Loading weights:  51%|█████████████████████████████████████████████████▋                                               | 186/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.mlp.up_proj.weight]
Loading weights:  52%|███████████████████████████████████████████▎                                        | 187/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.post_attention_layernorm.weight]
Loading weights:  52%|███████████████████████████████████████████▎                                        | 187/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.post_attention_layernorm.weight]
Loading weights:  52%|███████████████████████████████████████████████▋                                            | 188/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.self_attn.k_proj.weight]
Loading weights:  52%|███████████████████████████████████████████████▋                                            | 188/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.self_attn.k_proj.weight]
Loading weights:  52%|███████████████████████████████████████████████▉                                            | 189/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.self_attn.o_proj.weight]
Loading weights:  52%|███████████████████████████████████████████████▉                                            | 189/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.self_attn.o_proj.weight]
Loading weights:  52%|████████████████████████████████████████████████▏                                           | 190/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.self_attn.q_proj.weight]
Loading weights:  52%|████████████████████████████████████████████████▏                                           | 190/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.self_attn.q_proj.weight]
Loading weights:  53%|████████████████████████████████████████████████▍                                           | 191/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.self_attn.v_proj.weight]
Loading weights:  53%|████████████████████████████████████████████████▍                                           | 191/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.20.self_attn.v_proj.weight]
Loading weights:  53%|█████████████████████████████████████████████████▏                                           | 192/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.input_layernorm.weight]
Loading weights:  53%|█████████████████████████████████████████████████▏                                           | 192/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.input_layernorm.weight]
Loading weights:  53%|██████████████████████████████████████████████████▌                                            | 193/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.mlp.down_proj.weight]
Loading weights:  53%|██████████████████████████████████████████████████▌                                            | 193/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.mlp.down_proj.weight]
Loading weights:  53%|██████████████████████████████████████████████████▊                                            | 194/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.mlp.gate_proj.weight]
Loading weights:  53%|██████████████████████████████████████████████████▊                                            | 194/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.mlp.gate_proj.weight]
Loading weights:  54%|████████████████████████████████████████████████████                                             | 195/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.mlp.up_proj.weight]
Loading weights:  54%|████████████████████████████████████████████████████                                             | 195/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.mlp.up_proj.weight]
Loading weights:  54%|█████████████████████████████████████████████▎                                      | 196/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.post_attention_layernorm.weight]
Loading weights:  54%|█████████████████████████████████████████████▎                                      | 196/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.post_attention_layernorm.weight]
Loading weights:  54%|█████████████████████████████████████████████████▉                                          | 197/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.self_attn.k_proj.weight]
Loading weights:  54%|█████████████████████████████████████████████████▉                                          | 197/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.self_attn.k_proj.weight]
Loading weights:  55%|██████████████████████████████████████████████████▏                                         | 198/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.self_attn.o_proj.weight]
Loading weights:  55%|██████████████████████████████████████████████████▏                                         | 198/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.self_attn.o_proj.weight]
Loading weights:  55%|██████████████████████████████████████████████████▍                                         | 199/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.self_attn.q_proj.weight]
Loading weights:  55%|██████████████████████████████████████████████████▍                                         | 199/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.self_attn.q_proj.weight]
Loading weights:  55%|██████████████████████████████████████████████████▋                                         | 200/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.self_attn.v_proj.weight]
Loading weights:  55%|██████████████████████████████████████████████████▋                                         | 200/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.21.self_attn.v_proj.weight]
Loading weights:  55%|███████████████████████████████████████████████████▍                                         | 201/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.input_layernorm.weight]
Loading weights:  55%|███████████████████████████████████████████████████▍                                         | 201/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.input_layernorm.weight]
Loading weights:  56%|████████████████████████████████████████████████████▊                                          | 202/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.mlp.down_proj.weight]
Loading weights:  56%|████████████████████████████████████████████████████▊                                          | 202/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.mlp.down_proj.weight]
Loading weights:  56%|█████████████████████████████████████████████████████▏                                         | 203/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.mlp.gate_proj.weight]
Loading weights:  56%|█████████████████████████████████████████████████████▏                                         | 203/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.mlp.gate_proj.weight]
Loading weights:  56%|██████████████████████████████████████████████████████▌                                          | 204/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.mlp.up_proj.weight]
Loading weights:  56%|██████████████████████████████████████████████████████▌                                          | 204/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.mlp.up_proj.weight]
Loading weights:  56%|███████████████████████████████████████████████▍                                    | 205/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.post_attention_layernorm.weight]
Loading weights:  56%|███████████████████████████████████████████████▍                                    | 205/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.post_attention_layernorm.weight]
Loading weights:  57%|████████████████████████████████████████████████████▏                                       | 206/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.self_attn.k_proj.weight]
Loading weights:  57%|████████████████████████████████████████████████████▏                                       | 206/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.self_attn.k_proj.weight]
Loading weights:  57%|████████████████████████████████████████████████████▍                                       | 207/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.self_attn.o_proj.weight]
Loading weights:  57%|████████████████████████████████████████████████████▍                                       | 207/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.self_attn.o_proj.weight]
Loading weights:  57%|████████████████████████████████████████████████████▋                                       | 208/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.self_attn.q_proj.weight]
Loading weights:  57%|████████████████████████████████████████████████████▋                                       | 208/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.self_attn.q_proj.weight]
Loading weights:  58%|████████████████████████████████████████████████████▉                                       | 209/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.self_attn.v_proj.weight]
Loading weights:  58%|████████████████████████████████████████████████████▉                                       | 209/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.22.self_attn.v_proj.weight]
Loading weights:  58%|█████████████████████████████████████████████████████▊                                       | 210/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.input_layernorm.weight]
Loading weights:  58%|█████████████████████████████████████████████████████▊                                       | 210/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.input_layernorm.weight]
Loading weights:  58%|███████████████████████████████████████████████████████▏                                       | 211/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.mlp.down_proj.weight]
Loading weights:  58%|███████████████████████████████████████████████████████▏                                       | 211/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.mlp.down_proj.weight]
Loading weights:  58%|███████████████████████████████████████████████████████▍                                       | 212/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.mlp.gate_proj.weight]
Loading weights:  58%|███████████████████████████████████████████████████████▍                                       | 212/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.mlp.gate_proj.weight]
Loading weights:  59%|████████████████████████████████████████████████████████▉                                        | 213/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.mlp.up_proj.weight]
Loading weights:  59%|████████████████████████████████████████████████████████▉                                        | 213/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.mlp.up_proj.weight]
Loading weights:  59%|█████████████████████████████████████████████████▌                                  | 214/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.post_attention_layernorm.weight]
Loading weights:  59%|█████████████████████████████████████████████████▌                                  | 214/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.post_attention_layernorm.weight]
Loading weights:  59%|██████████████████████████████████████████████████████▍                                     | 215/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.self_attn.k_proj.weight]
Loading weights:  59%|██████████████████████████████████████████████████████▍                                     | 215/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.self_attn.k_proj.weight]
Loading weights:  60%|██████████████████████████████████████████████████████▋                                     | 216/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.self_attn.o_proj.weight]
Loading weights:  60%|██████████████████████████████████████████████████████▋                                     | 216/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.self_attn.o_proj.weight]
Loading weights:  60%|██████████████████████████████████████████████████████▉                                     | 217/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.self_attn.q_proj.weight]
Loading weights:  60%|██████████████████████████████████████████████████████▉                                     | 217/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.self_attn.q_proj.weight]
Loading weights:  60%|███████████████████████████████████████████████████████▎                                    | 218/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.self_attn.v_proj.weight]
Loading weights:  60%|███████████████████████████████████████████████████████▎                                    | 218/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.23.self_attn.v_proj.weight]
Loading weights:  60%|████████████████████████████████████████████████████████                                     | 219/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.input_layernorm.weight]
Loading weights:  60%|████████████████████████████████████████████████████████                                     | 219/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.input_layernorm.weight]
Loading weights:  61%|█████████████████████████████████████████████████████████▌                                     | 220/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.mlp.down_proj.weight]
Loading weights:  61%|█████████████████████████████████████████████████████████▌                                     | 220/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.mlp.down_proj.weight]
Loading weights:  61%|█████████████████████████████████████████████████████████▊                                     | 221/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.mlp.gate_proj.weight]
Loading weights:  61%|█████████████████████████████████████████████████████████▊                                     | 221/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.mlp.gate_proj.weight]
Loading weights:  61%|███████████████████████████████████████████████████████████▎                                     | 222/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.mlp.up_proj.weight]
Loading weights:  61%|███████████████████████████████████████████████████████████▎                                     | 222/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.mlp.up_proj.weight]
Loading weights:  61%|███████████████████████████████████████████████████▌                                | 223/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.post_attention_layernorm.weight]
Loading weights:  61%|███████████████████████████████████████████████████▌                                | 223/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.post_attention_layernorm.weight]
Loading weights:  62%|████████████████████████████████████████████████████████▊                                   | 224/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.self_attn.k_proj.weight]
Loading weights:  62%|████████████████████████████████████████████████████████▊                                   | 224/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.self_attn.k_proj.weight]
Loading weights:  62%|█████████████████████████████████████████████████████████                                   | 225/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.self_attn.o_proj.weight]
Loading weights:  62%|█████████████████████████████████████████████████████████                                   | 225/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.self_attn.o_proj.weight]
Loading weights:  62%|█████████████████████████████████████████████████████████▎                                  | 226/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.self_attn.q_proj.weight]
Loading weights:  62%|█████████████████████████████████████████████████████████▎                                  | 226/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.self_attn.q_proj.weight]
Loading weights:  63%|█████████████████████████████████████████████████████████▌                                  | 227/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.self_attn.v_proj.weight]
Loading weights:  63%|█████████████████████████████████████████████████████████▌                                  | 227/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.24.self_attn.v_proj.weight]
Loading weights:  63%|██████████████████████████████████████████████████████████▍                                  | 228/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.input_layernorm.weight]
Loading weights:  63%|██████████████████████████████████████████████████████████▍                                  | 228/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.input_layernorm.weight]
Loading weights:  63%|███████████████████████████████████████████████████████████▉                                   | 229/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.mlp.down_proj.weight]
Loading weights:  63%|███████████████████████████████████████████████████████████▉                                   | 229/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.mlp.down_proj.weight]
Loading weights:  63%|████████████████████████████████████████████████████████████▏                                  | 230/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.mlp.gate_proj.weight]
Loading weights:  63%|████████████████████████████████████████████████████████████▏                                  | 230/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.mlp.gate_proj.weight]
Loading weights:  64%|█████████████████████████████████████████████████████████████▋                                   | 231/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.mlp.up_proj.weight]
Loading weights:  64%|█████████████████████████████████████████████████████████████▋                                   | 231/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.mlp.up_proj.weight]
Loading weights:  64%|█████████████████████████████████████████████████████▋                              | 232/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.post_attention_layernorm.weight]
Loading weights:  64%|█████████████████████████████████████████████████████▋                              | 232/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.post_attention_layernorm.weight]
Loading weights:  64%|███████████████████████████████████████████████████████████                                 | 233/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.self_attn.k_proj.weight]
Loading weights:  64%|███████████████████████████████████████████████████████████                                 | 233/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.self_attn.k_proj.weight]
Loading weights:  64%|███████████████████████████████████████████████████████████▎                                | 234/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.self_attn.o_proj.weight]
Loading weights:  64%|███████████████████████████████████████████████████████████▎                                | 234/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.self_attn.o_proj.weight]
Loading weights:  65%|███████████████████████████████████████████████████████████▌                                | 235/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.self_attn.q_proj.weight]
Loading weights:  65%|███████████████████████████████████████████████████████████▌                                | 235/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.self_attn.q_proj.weight]
Loading weights:  65%|███████████████████████████████████████████████████████████▊                                | 236/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.self_attn.v_proj.weight]
Loading weights:  65%|███████████████████████████████████████████████████████████▊                                | 236/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.25.self_attn.v_proj.weight]
Loading weights:  65%|████████████████████████████████████████████████████████████▋                                | 237/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.input_layernorm.weight]
Loading weights:  65%|████████████████████████████████████████████████████████████▋                                | 237/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.input_layernorm.weight]
Loading weights:  66%|██████████████████████████████████████████████████████████████▎                                | 238/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.mlp.down_proj.weight]
Loading weights:  66%|██████████████████████████████████████████████████████████████▎                                | 238/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.mlp.down_proj.weight]
Loading weights:  66%|██████████████████████████████████████████████████████████████▌                                | 239/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.mlp.gate_proj.weight]
Loading weights:  66%|██████████████████████████████████████████████████████████████▌                                | 239/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.mlp.gate_proj.weight]
Loading weights:  66%|████████████████████████████████████████████████████████████████▏                                | 240/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.mlp.up_proj.weight]
Loading weights:  66%|████████████████████████████████████████████████████████████████▏                                | 240/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.mlp.up_proj.weight]
Loading weights:  66%|███████████████████████████████████████████████████████▊                            | 241/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.post_attention_layernorm.weight]
Loading weights:  66%|███████████████████████████████████████████████████████▊                            | 241/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.post_attention_layernorm.weight]
Loading weights:  67%|█████████████████████████████████████████████████████████████▎                              | 242/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.self_attn.k_proj.weight]
Loading weights:  67%|█████████████████████████████████████████████████████████████▎                              | 242/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.self_attn.k_proj.weight]
Loading weights:  67%|█████████████████████████████████████████████████████████████▌                              | 243/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.self_attn.o_proj.weight]
Loading weights:  67%|█████████████████████████████████████████████████████████████▌                              | 243/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.self_attn.o_proj.weight]
Loading weights:  67%|█████████████████████████████████████████████████████████████▊                              | 244/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.self_attn.q_proj.weight]
Loading weights:  67%|█████████████████████████████████████████████████████████████▊                              | 244/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.self_attn.q_proj.weight]
Loading weights:  67%|██████████████████████████████████████████████████████████████                              | 245/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.self_attn.v_proj.weight]
Loading weights:  67%|██████████████████████████████████████████████████████████████                              | 245/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.26.self_attn.v_proj.weight]
Loading weights:  68%|███████████████████████████████████████████████████████████████                              | 246/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.input_layernorm.weight]
Loading weights:  68%|███████████████████████████████████████████████████████████████                              | 246/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.input_layernorm.weight]
Loading weights:  68%|████████████████████████████████████████████████████████████████▋                              | 247/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.mlp.down_proj.weight]
Loading weights:  68%|████████████████████████████████████████████████████████████████▋                              | 247/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.mlp.down_proj.weight]
Loading weights:  68%|████████████████████████████████████████████████████████████████▉                              | 248/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.mlp.gate_proj.weight]
Loading weights:  68%|████████████████████████████████████████████████████████████████▉                              | 248/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.mlp.gate_proj.weight]
Loading weights:  69%|██████████████████████████████████████████████████████████████████▌                              | 249/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.mlp.up_proj.weight]
Loading weights:  69%|██████████████████████████████████████████████████████████████████▌                              | 249/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.mlp.up_proj.weight]
Loading weights:  69%|█████████████████████████████████████████████████████████▊                          | 250/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.post_attention_layernorm.weight]
Loading weights:  69%|█████████████████████████████████████████████████████████▊                          | 250/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.post_attention_layernorm.weight]
Loading weights:  69%|███████████████████████████████████████████████████████████████▌                            | 251/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.self_attn.k_proj.weight]
Loading weights:  69%|███████████████████████████████████████████████████████████████▌                            | 251/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.self_attn.k_proj.weight]
Loading weights:  69%|███████████████████████████████████████████████████████████████▊                            | 252/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.self_attn.o_proj.weight]
Loading weights:  69%|███████████████████████████████████████████████████████████████▊                            | 252/363 [00:00<00:00, 847.67it/s, Materializing param=model.layers.27.self_attn.o_proj.weight]
Loading weights:  70%|████████████████████████████████████████████████████████████████                            | 253/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.27.self_attn.o_proj.weight]
Loading weights:  70%|████████████████████████████████████████████████████████████████                            | 253/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.27.self_attn.q_proj.weight]
Loading weights:  70%|████████████████████████████████████████████████████████████████                            | 253/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.27.self_attn.q_proj.weight]
Loading weights:  70%|████████████████████████████████████████████████████████████████▎                           | 254/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.27.self_attn.v_proj.weight]
Loading weights:  70%|████████████████████████████████████████████████████████████████▎                           | 254/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.27.self_attn.v_proj.weight]
Loading weights:  70%|█████████████████████████████████████████████████████████████████▎                           | 255/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.input_layernorm.weight]
Loading weights:  70%|█████████████████████████████████████████████████████████████████▎                           | 255/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.input_layernorm.weight]
Loading weights:  71%|██████████████████████████████████████████████████████████████████▉                            | 256/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.mlp.down_proj.weight]
Loading weights:  71%|██████████████████████████████████████████████████████████████████▉                            | 256/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.mlp.down_proj.weight]
Loading weights:  71%|███████████████████████████████████████████████████████████████████▎                           | 257/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.mlp.gate_proj.weight]
Loading weights:  71%|███████████████████████████████████████████████████████████████████▎                           | 257/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.mlp.gate_proj.weight]
Loading weights:  71%|████████████████████████████████████████████████████████████████████▉                            | 258/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.mlp.up_proj.weight]
Loading weights:  71%|████████████████████████████████████████████████████████████████████▉                            | 258/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.mlp.up_proj.weight]
Loading weights:  71%|███████████████████████████████████████████████████████████▉                        | 259/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.post_attention_layernorm.weight]
Loading weights:  71%|███████████████████████████████████████████████████████████▉                        | 259/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.post_attention_layernorm.weight]
Loading weights:  72%|█████████████████████████████████████████████████████████████████▉                          | 260/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.self_attn.k_proj.weight]
Loading weights:  72%|█████████████████████████████████████████████████████████████████▉                          | 260/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.self_attn.k_proj.weight]
Loading weights:  72%|██████████████████████████████████████████████████████████████████▏                         | 261/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.self_attn.o_proj.weight]
Loading weights:  72%|██████████████████████████████████████████████████████████████████▏                         | 261/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.self_attn.o_proj.weight]
Loading weights:  72%|██████████████████████████████████████████████████████████████████▍                         | 262/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.self_attn.q_proj.weight]
Loading weights:  72%|██████████████████████████████████████████████████████████████████▍                         | 262/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.self_attn.q_proj.weight]
Loading weights:  72%|██████████████████████████████████████████████████████████████████▋                         | 263/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.self_attn.v_proj.weight]
Loading weights:  72%|██████████████████████████████████████████████████████████████████▋                         | 263/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.28.self_attn.v_proj.weight]
Loading weights:  73%|███████████████████████████████████████████████████████████████████▋                         | 264/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.input_layernorm.weight]
Loading weights:  73%|███████████████████████████████████████████████████████████████████▋                         | 264/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.input_layernorm.weight]
Loading weights:  73%|█████████████████████████████████████████████████████████████████████▎                         | 265/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.mlp.down_proj.weight]
Loading weights:  73%|█████████████████████████████████████████████████████████████████████▎                         | 265/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.mlp.down_proj.weight]
Loading weights:  73%|█████████████████████████████████████████████████████████████████████▌                         | 266/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.mlp.gate_proj.weight]
Loading weights:  73%|█████████████████████████████████████████████████████████████████████▌                         | 266/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.mlp.gate_proj.weight]
Loading weights:  74%|███████████████████████████████████████████████████████████████████████▎                         | 267/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.mlp.up_proj.weight]
Loading weights:  74%|███████████████████████████████████████████████████████████████████████▎                         | 267/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.mlp.up_proj.weight]
Loading weights:  74%|██████████████████████████████████████████████████████████████                      | 268/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.post_attention_layernorm.weight]
Loading weights:  74%|██████████████████████████████████████████████████████████████                      | 268/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.post_attention_layernorm.weight]
Loading weights:  74%|████████████████████████████████████████████████████████████████████▏                       | 269/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.self_attn.k_proj.weight]
Loading weights:  74%|████████████████████████████████████████████████████████████████████▏                       | 269/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.self_attn.k_proj.weight]
Loading weights:  74%|████████████████████████████████████████████████████████████████████▍                       | 270/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.self_attn.o_proj.weight]
Loading weights:  74%|████████████████████████████████████████████████████████████████████▍                       | 270/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.self_attn.o_proj.weight]
Loading weights:  75%|████████████████████████████████████████████████████████████████████▋                       | 271/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.self_attn.q_proj.weight]
Loading weights:  75%|████████████████████████████████████████████████████████████████████▋                       | 271/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.self_attn.q_proj.weight]
Loading weights:  75%|████████████████████████████████████████████████████████████████████▉                       | 272/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.self_attn.v_proj.weight]
Loading weights:  75%|████████████████████████████████████████████████████████████████████▉                       | 272/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.29.self_attn.v_proj.weight]
Loading weights:  75%|█████████████████████████████████████████████████████████████████████▉                       | 273/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.input_layernorm.weight]
Loading weights:  75%|█████████████████████████████████████████████████████████████████████▉                       | 273/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.input_layernorm.weight]
Loading weights:  75%|███████████████████████████████████████████████████████████████████████▋                       | 274/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.mlp.down_proj.weight]
Loading weights:  75%|███████████████████████████████████████████████████████████████████████▋                       | 274/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.mlp.down_proj.weight]
Loading weights:  76%|███████████████████████████████████████████████████████████████████████▉                       | 275/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.mlp.gate_proj.weight]
Loading weights:  76%|███████████████████████████████████████████████████████████████████████▉                       | 275/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.mlp.gate_proj.weight]
Loading weights:  76%|█████████████████████████████████████████████████████████████████████████▊                       | 276/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.mlp.up_proj.weight]
Loading weights:  76%|█████████████████████████████████████████████████████████████████████████▊                       | 276/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.mlp.up_proj.weight]
Loading weights:  76%|████████████████████████████████████████████████████████████████                    | 277/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.post_attention_layernorm.weight]
Loading weights:  76%|████████████████████████████████████████████████████████████████                    | 277/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.post_attention_layernorm.weight]
Loading weights:  77%|██████████████████████████████████████████████████████████████████████▍                     | 278/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.self_attn.k_proj.weight]
Loading weights:  77%|██████████████████████████████████████████████████████████████████████▍                     | 278/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.self_attn.k_proj.weight]
Loading weights:  77%|██████████████████████████████████████████████████████████████████████▋                     | 279/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.self_attn.o_proj.weight]
Loading weights:  77%|██████████████████████████████████████████████████████████████████████▋                     | 279/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.self_attn.o_proj.weight]
Loading weights:  77%|██████████████████████████████████████████████████████████████████████▉                     | 280/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.self_attn.q_proj.weight]
Loading weights:  77%|██████████████████████████████████████████████████████████████████████▉                     | 280/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.self_attn.q_proj.weight]
Loading weights:  77%|███████████████████████████████████████████████████████████████████████▏                    | 281/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.self_attn.v_proj.weight]
Loading weights:  77%|███████████████████████████████████████████████████████████████████████▏                    | 281/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.30.self_attn.v_proj.weight]
Loading weights:  78%|████████████████████████████████████████████████████████████████████████▏                    | 282/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.input_layernorm.weight]
Loading weights:  78%|████████████████████████████████████████████████████████████████████████▏                    | 282/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.input_layernorm.weight]
Loading weights:  78%|██████████████████████████████████████████████████████████████████████████                     | 283/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.mlp.down_proj.weight]
Loading weights:  78%|██████████████████████████████████████████████████████████████████████████                     | 283/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.mlp.down_proj.weight]
Loading weights:  78%|██████████████████████████████████████████████████████████████████████████▎                    | 284/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.mlp.gate_proj.weight]
Loading weights:  78%|██████████████████████████████████████████████████████████████████████████▎                    | 284/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.mlp.gate_proj.weight]
Loading weights:  79%|████████████████████████████████████████████████████████████████████████████▏                    | 285/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.mlp.up_proj.weight]
Loading weights:  79%|████████████████████████████████████████████████████████████████████████████▏                    | 285/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.mlp.up_proj.weight]
Loading weights:  79%|██████████████████████████████████████████████████████████████████▏                 | 286/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.post_attention_layernorm.weight]
Loading weights:  79%|██████████████████████████████████████████████████████████████████▏                 | 286/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.post_attention_layernorm.weight]
Loading weights:  79%|████████████████████████████████████████████████████████████████████████▋                   | 287/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.self_attn.k_proj.weight]
Loading weights:  79%|████████████████████████████████████████████████████████████████████████▋                   | 287/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.self_attn.k_proj.weight]
Loading weights:  79%|████████████████████████████████████████████████████████████████████████▉                   | 288/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.self_attn.o_proj.weight]
Loading weights:  79%|████████████████████████████████████████████████████████████████████████▉                   | 288/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.self_attn.o_proj.weight]
Loading weights:  80%|█████████████████████████████████████████████████████████████████████████▏                  | 289/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.self_attn.q_proj.weight]
Loading weights:  80%|█████████████████████████████████████████████████████████████████████████▏                  | 289/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.self_attn.q_proj.weight]
Loading weights:  80%|█████████████████████████████████████████████████████████████████████████▍                  | 290/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.self_attn.v_proj.weight]
Loading weights:  80%|█████████████████████████████████████████████████████████████████████████▍                  | 290/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.31.self_attn.v_proj.weight]
Loading weights:  80%|██████████████████████████████████████████████████████████████████████████▌                  | 291/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.input_layernorm.weight]
Loading weights:  80%|██████████████████████████████████████████████████████████████████████████▌                  | 291/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.input_layernorm.weight]
Loading weights:  80%|████████████████████████████████████████████████████████████████████████████▍                  | 292/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.mlp.down_proj.weight]
Loading weights:  80%|████████████████████████████████████████████████████████████████████████████▍                  | 292/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.mlp.down_proj.weight]
Loading weights:  81%|████████████████████████████████████████████████████████████████████████████▋                  | 293/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.mlp.gate_proj.weight]
Loading weights:  81%|████████████████████████████████████████████████████████████████████████████▋                  | 293/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.mlp.gate_proj.weight]
Loading weights:  81%|██████████████████████████████████████████████████████████████████████████████▌                  | 294/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.mlp.up_proj.weight]
Loading weights:  81%|██████████████████████████████████████████████████████████████████████████████▌                  | 294/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.mlp.up_proj.weight]
Loading weights:  81%|████████████████████████████████████████████████████████████████████▎               | 295/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.post_attention_layernorm.weight]
Loading weights:  81%|████████████████████████████████████████████████████████████████████▎               | 295/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.post_attention_layernorm.weight]
Loading weights:  82%|███████████████████████████████████████████████████████████████████████████                 | 296/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.self_attn.k_proj.weight]
Loading weights:  82%|███████████████████████████████████████████████████████████████████████████                 | 296/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.self_attn.k_proj.weight]
Loading weights:  82%|███████████████████████████████████████████████████████████████████████████▎                | 297/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.self_attn.o_proj.weight]
Loading weights:  82%|███████████████████████████████████████████████████████████████████████████▎                | 297/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.self_attn.o_proj.weight]
Loading weights:  82%|███████████████████████████████████████████████████████████████████████████▌                | 298/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.self_attn.q_proj.weight]
Loading weights:  82%|███████████████████████████████████████████████████████████████████████████▌                | 298/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.self_attn.q_proj.weight]
Loading weights:  82%|███████████████████████████████████████████████████████████████████████████▊                | 299/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.self_attn.v_proj.weight]
Loading weights:  82%|███████████████████████████████████████████████████████████████████████████▊                | 299/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.32.self_attn.v_proj.weight]
Loading weights:  83%|████████████████████████████████████████████████████████████████████████████▊                | 300/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.input_layernorm.weight]
Loading weights:  83%|████████████████████████████████████████████████████████████████████████████▊                | 300/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.input_layernorm.weight]
Loading weights:  83%|██████████████████████████████████████████████████████████████████████████████▊                | 301/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.mlp.down_proj.weight]
Loading weights:  83%|██████████████████████████████████████████████████████████████████████████████▊                | 301/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.mlp.down_proj.weight]
Loading weights:  83%|███████████████████████████████████████████████████████████████████████████████                | 302/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.mlp.gate_proj.weight]
Loading weights:  83%|███████████████████████████████████████████████████████████████████████████████                | 302/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.mlp.gate_proj.weight]
Loading weights:  83%|████████████████████████████████████████████████████████████████████████████████▉                | 303/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.mlp.up_proj.weight]
Loading weights:  83%|████████████████████████████████████████████████████████████████████████████████▉                | 303/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.mlp.up_proj.weight]
Loading weights:  84%|██████████████████████████████████████████████████████████████████████▎             | 304/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.post_attention_layernorm.weight]
Loading weights:  84%|██████████████████████████████████████████████████████████████████████▎             | 304/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.post_attention_layernorm.weight]
Loading weights:  84%|█████████████████████████████████████████████████████████████████████████████▎              | 305/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.self_attn.k_proj.weight]
Loading weights:  84%|█████████████████████████████████████████████████████████████████████████████▎              | 305/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.self_attn.k_proj.weight]
Loading weights:  84%|█████████████████████████████████████████████████████████████████████████████▌              | 306/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.self_attn.o_proj.weight]
Loading weights:  84%|█████████████████████████████████████████████████████████████████████████████▌              | 306/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.self_attn.o_proj.weight]
Loading weights:  85%|█████████████████████████████████████████████████████████████████████████████▊              | 307/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.self_attn.q_proj.weight]
Loading weights:  85%|█████████████████████████████████████████████████████████████████████████████▊              | 307/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.self_attn.q_proj.weight]
Loading weights:  85%|██████████████████████████████████████████████████████████████████████████████              | 308/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.self_attn.v_proj.weight]
Loading weights:  85%|██████████████████████████████████████████████████████████████████████████████              | 308/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.33.self_attn.v_proj.weight]
Loading weights:  85%|███████████████████████████████████████████████████████████████████████████████▏             | 309/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.input_layernorm.weight]
Loading weights:  85%|███████████████████████████████████████████████████████████████████████████████▏             | 309/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.input_layernorm.weight]
Loading weights:  85%|█████████████████████████████████████████████████████████████████████████████████▏             | 310/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.mlp.down_proj.weight]
Loading weights:  85%|█████████████████████████████████████████████████████████████████████████████████▏             | 310/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.mlp.down_proj.weight]
Loading weights:  86%|█████████████████████████████████████████████████████████████████████████████████▍             | 311/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.mlp.gate_proj.weight]
Loading weights:  86%|█████████████████████████████████████████████████████████████████████████████████▍             | 311/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.mlp.gate_proj.weight]
Loading weights:  86%|███████████████████████████████████████████████████████████████████████████████████▎             | 312/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.mlp.up_proj.weight]
Loading weights:  86%|███████████████████████████████████████████████████████████████████████████████████▎             | 312/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.mlp.up_proj.weight]
Loading weights:  86%|████████████████████████████████████████████████████████████████████████▍           | 313/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.post_attention_layernorm.weight]
Loading weights:  86%|████████████████████████████████████████████████████████████████████████▍           | 313/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.post_attention_layernorm.weight]
Loading weights:  87%|███████████████████████████████████████████████████████████████████████████████▌            | 314/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.self_attn.k_proj.weight]
Loading weights:  87%|███████████████████████████████████████████████████████████████████████████████▌            | 314/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.self_attn.k_proj.weight]
Loading weights:  87%|███████████████████████████████████████████████████████████████████████████████▊            | 315/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.self_attn.o_proj.weight]
Loading weights:  87%|███████████████████████████████████████████████████████████████████████████████▊            | 315/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.self_attn.o_proj.weight]
Loading weights:  87%|████████████████████████████████████████████████████████████████████████████████            | 316/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.self_attn.q_proj.weight]
Loading weights:  87%|████████████████████████████████████████████████████████████████████████████████            | 316/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.self_attn.q_proj.weight]
Loading weights:  87%|████████████████████████████████████████████████████████████████████████████████▎           | 317/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.self_attn.v_proj.weight]
Loading weights:  87%|████████████████████████████████████████████████████████████████████████████████▎           | 317/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.34.self_attn.v_proj.weight]
Loading weights:  88%|█████████████████████████████████████████████████████████████████████████████████▍           | 318/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.input_layernorm.weight]
Loading weights:  88%|█████████████████████████████████████████████████████████████████████████████████▍           | 318/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.input_layernorm.weight]
Loading weights:  88%|███████████████████████████████████████████████████████████████████████████████████▍           | 319/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.mlp.down_proj.weight]
Loading weights:  88%|███████████████████████████████████████████████████████████████████████████████████▍           | 319/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.mlp.down_proj.weight]
Loading weights:  88%|███████████████████████████████████████████████████████████████████████████████████▋           | 320/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.mlp.gate_proj.weight]
Loading weights:  88%|███████████████████████████████████████████████████████████████████████████████████▋           | 320/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.mlp.gate_proj.weight]
Loading weights:  88%|█████████████████████████████████████████████████████████████████████████████████████▊           | 321/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.mlp.up_proj.weight]
Loading weights:  88%|█████████████████████████████████████████████████████████████████████████████████████▊           | 321/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.mlp.up_proj.weight]
Loading weights:  89%|██████████████████████████████████████████████████████████████████████████▌         | 322/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.post_attention_layernorm.weight]
Loading weights:  89%|██████████████████████████████████████████████████████████████████████████▌         | 322/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.post_attention_layernorm.weight]
Loading weights:  89%|█████████████████████████████████████████████████████████████████████████████████▊          | 323/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.self_attn.k_proj.weight]
Loading weights:  89%|█████████████████████████████████████████████████████████████████████████████████▊          | 323/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.self_attn.k_proj.weight]
Loading weights:  89%|██████████████████████████████████████████████████████████████████████████████████          | 324/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.self_attn.o_proj.weight]
Loading weights:  89%|██████████████████████████████████████████████████████████████████████████████████          | 324/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.self_attn.o_proj.weight]
Loading weights:  90%|██████████████████████████████████████████████████████████████████████████████████▎         | 325/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.self_attn.q_proj.weight]
Loading weights:  90%|██████████████████████████████████████████████████████████████████████████████████▎         | 325/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.self_attn.q_proj.weight]
Loading weights:  90%|██████████████████████████████████████████████████████████████████████████████████▌         | 326/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.self_attn.v_proj.weight]
Loading weights:  90%|██████████████████████████████████████████████████████████████████████████████████▌         | 326/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.35.self_attn.v_proj.weight]
Loading weights:  90%|███████████████████████████████████████████████████████████████████████████████████▊         | 327/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.input_layernorm.weight]
Loading weights:  90%|███████████████████████████████████████████████████████████████████████████████████▊         | 327/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.input_layernorm.weight]
Loading weights:  90%|█████████████████████████████████████████████████████████████████████████████████████▊         | 328/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.mlp.down_proj.weight]
Loading weights:  90%|█████████████████████████████████████████████████████████████████████████████████████▊         | 328/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.mlp.down_proj.weight]
Loading weights:  91%|██████████████████████████████████████████████████████████████████████████████████████         | 329/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.mlp.gate_proj.weight]
Loading weights:  91%|██████████████████████████████████████████████████████████████████████████████████████         | 329/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.mlp.gate_proj.weight]
Loading weights:  91%|████████████████████████████████████████████████████████████████████████████████████████▏        | 330/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.mlp.up_proj.weight]
Loading weights:  91%|████████████████████████████████████████████████████████████████████████████████████████▏        | 330/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.mlp.up_proj.weight]
Loading weights:  91%|████████████████████████████████████████████████████████████████████████████▌       | 331/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.post_attention_layernorm.weight]
Loading weights:  91%|████████████████████████████████████████████████████████████████████████████▌       | 331/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.post_attention_layernorm.weight]
Loading weights:  91%|████████████████████████████████████████████████████████████████████████████████████▏       | 332/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.self_attn.k_proj.weight]
Loading weights:  91%|████████████████████████████████████████████████████████████████████████████████████▏       | 332/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.self_attn.k_proj.weight]
Loading weights:  92%|████████████████████████████████████████████████████████████████████████████████████▍       | 333/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.self_attn.o_proj.weight]
Loading weights:  92%|████████████████████████████████████████████████████████████████████████████████████▍       | 333/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.self_attn.o_proj.weight]
Loading weights:  92%|████████████████████████████████████████████████████████████████████████████████████▋       | 334/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.self_attn.q_proj.weight]
Loading weights:  92%|████████████████████████████████████████████████████████████████████████████████████▋       | 334/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.self_attn.q_proj.weight]
Loading weights:  92%|████████████████████████████████████████████████████████████████████████████████████▉       | 335/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.self_attn.v_proj.weight]
Loading weights:  92%|████████████████████████████████████████████████████████████████████████████████████▉       | 335/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.36.self_attn.v_proj.weight]
Loading weights:  93%|██████████████████████████████████████████████████████████████████████████████████████       | 336/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.37.input_layernorm.weight]
Loading weights:  93%|██████████████████████████████████████████████████████████████████████████████████████       | 336/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.37.input_layernorm.weight]
Loading weights:  93%|████████████████████████████████████████████████████████████████████████████████████████▏      | 337/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.37.mlp.down_proj.weight]
Loading weights:  93%|████████████████████████████████████████████████████████████████████████████████████████▏      | 337/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.37.mlp.down_proj.weight]
Loading weights:  93%|████████████████████████████████████████████████████████████████████████████████████████▍      | 338/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.37.mlp.gate_proj.weight]
Loading weights:  93%|████████████████████████████████████████████████████████████████████████████████████████▍      | 338/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.37.mlp.gate_proj.weight]
Loading weights:  93%|██████████████████████████████████████████████████████████████████████████████████████████▌      | 339/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.37.mlp.up_proj.weight]
Loading weights:  93%|██████████████████████████████████████████████████████████████████████████████████████████▌      | 339/363 [00:00<00:00, 767.53it/s, Materializing param=model.layers.37.mlp.up_proj.weight]
Loading weights:  94%|██████████████████████████████████████████████████████████████████████████████████████████▊      | 340/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.37.mlp.up_proj.weight]
Loading weights:  94%|██████████████████████████████████████████████████████████████████████████████▋     | 340/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.37.post_attention_layernorm.weight]
Loading weights:  94%|██████████████████████████████████████████████████████████████████████████████▋     | 340/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.37.post_attention_layernorm.weight]
Loading weights:  94%|██████████████████████████████████████████████████████████████████████████████████████▍     | 341/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.37.self_attn.k_proj.weight]
Loading weights:  94%|██████████████████████████████████████████████████████████████████████████████████████▍     | 341/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.37.self_attn.k_proj.weight]
Loading weights:  94%|██████████████████████████████████████████████████████████████████████████████████████▋     | 342/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.37.self_attn.o_proj.weight]
Loading weights:  94%|██████████████████████████████████████████████████████████████████████████████████████▋     | 342/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.37.self_attn.o_proj.weight]
Loading weights:  94%|██████████████████████████████████████████████████████████████████████████████████████▉     | 343/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.37.self_attn.q_proj.weight]
Loading weights:  94%|██████████████████████████████████████████████████████████████████████████████████████▉     | 343/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.37.self_attn.q_proj.weight]
Loading weights:  95%|███████████████████████████████████████████████████████████████████████████████████████▏    | 344/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.37.self_attn.v_proj.weight]
Loading weights:  95%|███████████████████████████████████████████████████████████████████████████████████████▏    | 344/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.37.self_attn.v_proj.weight]
Loading weights:  95%|████████████████████████████████████████████████████████████████████████████████████████▍    | 345/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.input_layernorm.weight]
Loading weights:  95%|████████████████████████████████████████████████████████████████████████████████████████▍    | 345/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.input_layernorm.weight]
Loading weights:  95%|██████████████████████████████████████████████████████████████████████████████████████████▌    | 346/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.mlp.down_proj.weight]
Loading weights:  95%|██████████████████████████████████████████████████████████████████████████████████████████▌    | 346/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.mlp.down_proj.weight]
Loading weights:  96%|██████████████████████████████████████████████████████████████████████████████████████████▊    | 347/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.mlp.gate_proj.weight]
Loading weights:  96%|██████████████████████████████████████████████████████████████████████████████████████████▊    | 347/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.mlp.gate_proj.weight]
Loading weights:  96%|████████████████████████████████████████████████████████████████████████████████████████████▉    | 348/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.mlp.up_proj.weight]
Loading weights:  96%|████████████████████████████████████████████████████████████████████████████████████████████▉    | 348/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.mlp.up_proj.weight]
Loading weights:  96%|████████████████████████████████████████████████████████████████████████████████▊   | 349/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.post_attention_layernorm.weight]
Loading weights:  96%|████████████████████████████████████████████████████████████████████████████████▊   | 349/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.post_attention_layernorm.weight]
Loading weights:  96%|████████████████████████████████████████████████████████████████████████████████████████▋   | 350/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.self_attn.k_proj.weight]
Loading weights:  96%|████████████████████████████████████████████████████████████████████████████████████████▋   | 350/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.self_attn.k_proj.weight]
Loading weights:  97%|████████████████████████████████████████████████████████████████████████████████████████▉   | 351/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.self_attn.o_proj.weight]
Loading weights:  97%|████████████████████████████████████████████████████████████████████████████████████████▉   | 351/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.self_attn.o_proj.weight]
Loading weights:  97%|█████████████████████████████████████████████████████████████████████████████████████████▏  | 352/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.self_attn.q_proj.weight]
Loading weights:  97%|█████████████████████████████████████████████████████████████████████████████████████████▏  | 352/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.self_attn.q_proj.weight]
Loading weights:  97%|█████████████████████████████████████████████████████████████████████████████████████████▍  | 353/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.self_attn.v_proj.weight]
Loading weights:  97%|█████████████████████████████████████████████████████████████████████████████████████████▍  | 353/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.38.self_attn.v_proj.weight]
Loading weights:  98%|██████████████████████████████████████████████████████████████████████████████████████████▋  | 354/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.input_layernorm.weight]
Loading weights:  98%|██████████████████████████████████████████████████████████████████████████████████████████▋  | 354/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.input_layernorm.weight]
Loading weights:  98%|████████████████████████████████████████████████████████████████████████████████████████████▉  | 355/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.mlp.down_proj.weight]
Loading weights:  98%|████████████████████████████████████████████████████████████████████████████████████████████▉  | 355/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.mlp.down_proj.weight]
Loading weights:  98%|█████████████████████████████████████████████████████████████████████████████████████████████▏ | 356/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.mlp.gate_proj.weight]
Loading weights:  98%|█████████████████████████████████████████████████████████████████████████████████████████████▏ | 356/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.mlp.gate_proj.weight]
Loading weights:  98%|███████████████████████████████████████████████████████████████████████████████████████████████▍ | 357/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.mlp.up_proj.weight]
Loading weights:  98%|███████████████████████████████████████████████████████████████████████████████████████████████▍ | 357/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.mlp.up_proj.weight]
Loading weights:  99%|██████████████████████████████████████████████████████████████████████████████████▊ | 358/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.post_attention_layernorm.weight]
Loading weights:  99%|██████████████████████████████████████████████████████████████████████████████████▊ | 358/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.post_attention_layernorm.weight]
Loading weights:  99%|██████████████████████████████████████████████████████████████████████████████████████████▉ | 359/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.self_attn.k_proj.weight]
Loading weights:  99%|██████████████████████████████████████████████████████████████████████████████████████████▉ | 359/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.self_attn.k_proj.weight]
Loading weights:  99%|███████████████████████████████████████████████████████████████████████████████████████████▏| 360/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.self_attn.o_proj.weight]
Loading weights:  99%|███████████████████████████████████████████████████████████████████████████████████████████▏| 360/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.self_attn.o_proj.weight]
Loading weights:  99%|███████████████████████████████████████████████████████████████████████████████████████████▍| 361/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.self_attn.q_proj.weight]
Loading weights:  99%|███████████████████████████████████████████████████████████████████████████████████████████▍| 361/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.self_attn.q_proj.weight]
Loading weights: 100%|███████████████████████████████████████████████████████████████████████████████████████████▋| 362/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.self_attn.v_proj.weight]
Loading weights: 100%|███████████████████████████████████████████████████████████████████████████████████████████▋| 362/363 [00:00<00:00, 802.59it/s, Materializing param=model.layers.39.self_attn.v_proj.weight]
Loading weights: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 363/363 [00:00<00:00, 802.59it/s, Materializing param=model.norm.weight]
Loading weights: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 363/363 [00:00<00:00, 802.59it/s, Materializing param=model.norm.weight]
Loading weights: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 363/363 [00:00<00:00, 806.46it/s, Materializing param=model.norm.weight]
[2026-02-12 04:04:14,796] [WARNING] [accelerate.utils.dataclasses.__post_init__:1962] [PID:6928] sync_module_states is obsolete in FSDP2, as it is not needed anymore.Setting sync_module_states to None.Multiple deprecation warnings due to FSDP2 conversion:
sharding_strategy is deprecated in favor of reshard_after_forward. This will be removed in a future version of Accelerate.
[2026-02-12 04:04:22,096] [WARNING] [py.warnings._showwarnmsg:110] [PID:6928] /root/axolotl/.venv/lib/python3.12/site-packages/torch/distributed/distributed_c10d.py:4807: UserWarning: No device id is provided via `init_process_group` or `barrier `. Using the current device set by the user. 
  warnings.warn(  # warn only once