[2025-10-22 12:55:24,619] [DEBUG] [axolotl.utils.config.resolve_dtype:66] [PID:2418] bf16 support detected, enabling for this configuration.

config.json:   0%|                                                                                                             | 0.00/663 [00:00<?, ?B/s]
config.json: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████| 663/663 [00:00<00:00, 7.86MB/s]
[2025-10-22 12:55:24,766] [DEBUG] [axolotl.utils.config.log_gpu_memory_usage:127] [PID:2418] baseline 0.000GB ()
[2025-10-22 12:55:24,766] [INFO] [axolotl.cli.config.load_cfg:248] [PID:2418] config:
{
  "activation_offloading": false,
  "adapter": "lora",
  "axolotl_config_path": "config.yaml",
  "base_model": "Qwen/Qwen2.5-7B-Instruct",
  "base_model_config": "Qwen/Qwen2.5-7B-Instruct",
  "batch_size": 16,
  "bf16": true,
  "capabilities": {
    "bf16": true,
    "compute_capability": "sm_90",
    "fp8": false,
    "n_gpu": 1,
    "n_node": 1
  },
  "context_parallel_size": 1,
  "dataloader_num_workers": 1,
  "dataloader_pin_memory": true,
  "dataloader_prefetch_factor": 256,
  "dataset_processes": 36,
  "datasets": [
    {
      "message_property_mappings": {
        "content": "content",
        "role": "role"
      },
      "path": "/workspace/fine-tuning/data/data.json",
      "trust_remote_code": false,
      "type": "alpaca"
    }
  ],
  "ddp": false,
  "device": "cuda:0",
  "dion_rank_fraction": 1.0,
  "dion_rank_multiple_of": 1,
  "env_capabilities": {
    "torch_version": "2.7.1"
  },
  "eval_batch_size": 4,
  "eval_causal_lm_metrics": [
    "sacrebleu",
    "comet",
    "ter",
    "chrf"
  ],
  "eval_max_new_tokens": 128,
  "eval_table_size": 0,
  "experimental_skip_move_to_device": true,
  "flash_attention": true,
  "fp16": false,
  "gradient_accumulation_steps": 4,
  "gradient_checkpointing": true,
  "gradient_checkpointing_kwargs": {
    "use_reentrant": true
  },
  "include_tkps": true,
  "learning_rate": 0.0002,
  "lisa_layers_attribute": "model.layers",
  "load_best_model_at_end": false,
  "load_in_4bit": false,
  "load_in_8bit": true,
  "local_rank": 0,
  "logging_steps": 10,
  "lora_alpha": 16,
  "lora_dropout": 0.05,
  "lora_r": 8,
  "lora_target_modules": [
    "q_proj",
    "k_proj",
    "v_proj",
    "o_proj",
    "gate_proj",
    "down_proj",
    "up_proj"
  ],
  "loraplus_lr_embedding": 1e-06,
  "lr_scheduler": "cosine",
  "mean_resizing_embeddings": false,
  "micro_batch_size": 4,
  "model_config_type": "qwen2",
  "num_epochs": 3.0,
  "optimizer": "adamw_bnb_8bit",
  "output_dir": "/workspace/fine-tuning/output",
  "pretrain_multipack_attn": true,
  "profiler_steps_start": 0,
  "qlora_sharded_model_loading": false,
  "ray_num_workers": 1,
  "resources_per_worker": {
    "GPU": 1
  },
  "sample_packing_bin_size": 200,
  "sample_packing_group_size": 100000,
  "save_only_model": false,
  "save_safetensors": true,
  "save_steps": 200,
  "save_total_limit": 2,
  "sequence_len": 4096,
  "shuffle_before_merging_datasets": false,
  "shuffle_merged_datasets": true,
  "skip_prepare_dataset": false,
  "streaming_multipack_buffer_size": 10000,
  "strict": false,
  "tensor_parallel_size": 1,
  "tiled_mlp_use_original_mlp": true,
  "tokenizer_config": "Qwen/Qwen2.5-7B-Instruct",
  "tokenizer_save_jinja_files": true,
  "torch_dtype": "torch.bfloat16",
  "train_on_inputs": false,
  "trl": {
    "log_completions": false,
    "mask_truncated_completions": false,
    "ref_model_mixup_alpha": 0.9,
    "ref_model_sync_steps": 64,
    "scale_rewards": true,
    "sync_ref_model": false,
    "use_vllm": false,
    "vllm_server_host": "0.0.0.0",
    "vllm_server_port": 8000
  },
  "use_ray": false,
  "val_set_size": 0.0,
  "vllm": {
    "device": "auto",
    "dtype": "auto",
    "gpu_memory_utilization": 0.9,
    "host": "0.0.0.0",
    "port": 8000
  },
  "weight_decay": 0.0,
  "world_size": 1
}

tokenizer_config.json: 0.00B [00:00, ?B/s]
tokenizer_config.json: 7.30kB [00:00, 45.7MB/s]

vocab.json: 0.00B [00:00, ?B/s]
vocab.json: 2.78MB [00:00, 112MB/s]

merges.txt: 0.00B [00:00, ?B/s]
merges.txt: 1.67MB [00:00, 129MB/s]

tokenizer.json: 0.00B [00:00, ?B/s]
tokenizer.json: 7.03MB [00:00, 109MB/s]
[2025-10-22 12:55:25,791] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:278] [PID:2418] EOS: 151645 / <|im_end|>
[2025-10-22 12:55:25,792] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:279] [PID:2418] BOS: None / None
[2025-10-22 12:55:25,792] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:280] [PID:2418] PAD: 151643 / <|endoftext|>
[2025-10-22 12:55:25,792] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:281] [PID:2418] UNK: None / None
[2025-10-22 12:55:25,792] [INFO] [axolotl.utils.data.shared.load_preprocessed_dataset:476] [PID:2418] Unable to find prepared dataset in last_run_prepared/a99a12059c50ab085817560a37dbde6c
[2025-10-22 12:55:25,792] [INFO] [axolotl.utils.data.sft._load_raw_datasets:320] [PID:2418] Loading raw datasets...
[2025-10-22 12:55:25,792] [WARNING] [axolotl.utils.data.sft._load_raw_datasets:322] [PID:2418] Processing datasets during training can lead to VRAM instability. Please pre-process your dataset using `axolotl preprocess path/to/config.yml`.

Generating train split: 0 examples [00:00, ? examples/s]
Generating train split: 333 examples [00:00, 21071.50 examples/s]
[2025-10-22 12:55:25,923] [INFO] [axolotl.utils.data.wrappers.get_dataset_wrapper:87] [PID:2418] Loading dataset: /workspace/fine-tuning/data/data.json with base_type: alpaca and prompt_style: None

Tokenizing Prompts (num_proc=36):   0%|                                                                                   | 0/333 [00:00<?, ? examples/s]
Tokenizing Prompts (num_proc=36):   3%|██▏                                                                       | 10/333 [00:01<00:34,  9.43 examples/s]
Tokenizing Prompts (num_proc=36):   6%|████▍                                                                     | 20/333 [00:01<00:15, 20.05 examples/s]
Tokenizing Prompts (num_proc=36):   9%|██████▋                                                                   | 30/333 [00:01<00:09, 31.09 examples/s]
Tokenizing Prompts (num_proc=36):  15%|███████████                                                               | 50/333 [00:01<00:04, 59.04 examples/s]
Tokenizing Prompts (num_proc=36):  21%|███████████████▌                                                          | 70/333 [00:01<00:03, 77.51 examples/s]
Tokenizing Prompts (num_proc=36):  27%|████████████████████                                                      | 90/333 [00:01<00:02, 85.94 examples/s]
Tokenizing Prompts (num_proc=36):  32%|███████████████████████▋                                                 | 108/333 [00:01<00:02, 86.61 examples/s]
Tokenizing Prompts (num_proc=36):  38%|███████████████████████████▌                                             | 126/333 [00:02<00:02, 92.64 examples/s]
Tokenizing Prompts (num_proc=36):  43%|███████████████████████████████▏                                        | 144/333 [00:02<00:01, 102.80 examples/s]
Tokenizing Prompts (num_proc=36):  49%|███████████████████████████████████▌                                     | 162/333 [00:02<00:01, 96.29 examples/s]
Tokenizing Prompts (num_proc=36):  54%|███████████████████████████████████████▍                                 | 180/333 [00:02<00:01, 91.12 examples/s]
Tokenizing Prompts (num_proc=36):  65%|██████████████████████████████████████████████▋                         | 216/333 [00:02<00:00, 117.53 examples/s]
Tokenizing Prompts (num_proc=36):  70%|██████████████████████████████████████████████████▌                     | 234/333 [00:03<00:00, 107.77 examples/s]
Tokenizing Prompts (num_proc=36):  76%|██████████████████████████████████████████████████████▍                 | 252/333 [00:03<00:00, 113.43 examples/s]
Tokenizing Prompts (num_proc=36):  84%|████████████████████████████████████████████████████████████▎           | 279/333 [00:03<00:00, 134.23 examples/s]
Tokenizing Prompts (num_proc=36):  89%|████████████████████████████████████████████████████████████████▏       | 297/333 [00:03<00:00, 114.85 examples/s]
Tokenizing Prompts (num_proc=36):  97%|██████████████████████████████████████████████████████████████████████  | 324/333 [00:03<00:00, 132.86 examples/s]
Tokenizing Prompts (num_proc=36): 100%|█████████████████████████████████████████████████████████████████████████| 333/333 [00:04<00:00, 80.47 examples/s]
[2025-10-22 12:55:30,239] [INFO] [axolotl.utils.data.utils.handle_long_seq_in_dataset:218] [PID:2418] min_input_len: 36
[2025-10-22 12:55:30,239] [INFO] [axolotl.utils.data.utils.handle_long_seq_in_dataset:220] [PID:2418] max_input_len: 1350

Dropping Long Sequences (>4096) (num_proc=36):   0%|                                                                      | 0/333 [00:00<?, ? examples/s]
Dropping Long Sequences (>4096) (num_proc=36):   3%|█▊                                                           | 10/333 [00:00<00:27, 11.56 examples/s]
Dropping Long Sequences (>4096) (num_proc=36):  75%|████████████████████████████████████████████▍              | 251/333 [00:00<00:00, 345.84 examples/s]
Dropping Long Sequences (>4096) (num_proc=36): 100%|███████████████████████████████████████████████████████████| 333/333 [00:01<00:00, 273.41 examples/s]

Saving the dataset (0/1 shards):   0%|                                                                                    | 0/333 [00:00<?, ? examples/s]
Saving the dataset (1/1 shards): 100%|███████████████████████████████████████████████████████████████████████| 333/333 [00:00<00:00, 29276.08 examples/s]
Saving the dataset (1/1 shards): 100%|███████████████████████████████████████████████████████████████████████| 333/333 [00:00<00:00, 28696.24 examples/s]
[2025-10-22 12:55:31,719] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:404] [PID:2418] total_num_tokens: 94_264
[2025-10-22 12:55:31,721] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:422] [PID:2418] `total_supervised_tokens: 82_964`
[2025-10-22 12:55:31,721] [DEBUG] [axolotl.utils.trainer.calculate_total_num_steps:520] [PID:2418] total_num_steps: 63
[2025-10-22 12:55:31,721] [INFO] [axolotl.utils.data.sft._prepare_standard_dataset:121] [PID:2418] Maximum number of steps set at 63
[2025-10-22 12:55:31,750] [DEBUG] [axolotl.train.setup_model_and_tokenizer:65] [PID:2418] Loading tokenizer... Qwen/Qwen2.5-7B-Instruct
[2025-10-22 12:55:32,146] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:278] [PID:2418] EOS: 151645 / <|im_end|>
[2025-10-22 12:55:32,147] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:279] [PID:2418] BOS: None / None
[2025-10-22 12:55:32,147] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:280] [PID:2418] PAD: 151643 / <|endoftext|>
[2025-10-22 12:55:32,147] [DEBUG] [axolotl.loaders.tokenizer.load_tokenizer:281] [PID:2418] UNK: None / None
[2025-10-22 12:55:32,147] [DEBUG] [axolotl.train.setup_model_and_tokenizer:74] [PID:2418] Loading model
[2025-10-22 12:55:32,205] [DEBUG] [axolotl.monkeypatch.transformers.trainer_loss_calc.patch_evaluation_loop:87] [PID:2418] Patched Trainer.evaluation_loop with nanmean loss calculation
[2025-10-22 12:55:32,206] [DEBUG] [axolotl.monkeypatch.transformers.trainer_loss_calc.patch_maybe_log_save_evaluate:138] [PID:2418] Patched Trainer._maybe_log_save_evaluate with nanmean loss calculation

model.safetensors.index.json: 0.00B [00:00, ?B/s]
model.safetensors.index.json: 27.8kB [00:00, 193MB/s]

model-00001-of-00004.safetensors:   0%|                                                                                      | 0.00/3.95G [00:00<?, ?B/s]
model-00001-of-00004.safetensors:   0%|                                                                          | 43.8k/3.95G [00:01<28:28:22, 38.5kB/s]
model-00001-of-00004.safetensors:   0%|                                                                             | 1.96M/3.95G [00:01<32:15, 2.04MB/s]
model-00001-of-00004.safetensors:   0%|▏                                                                            | 9.56M/3.95G [00:01<05:51, 11.2MB/s]
model-00001-of-00004.safetensors:   0%|▎                                                                            | 15.5M/3.95G [00:01<03:33, 18.4MB/s]
model-00001-of-00004.safetensors:   1%|▍                                                                            | 23.7M/3.95G [00:01<02:16, 28.7MB/s]
model-00001-of-00004.safetensors:   1%|▋                                                                            | 32.9M/3.95G [00:01<01:36, 40.7MB/s]
model-00001-of-00004.safetensors:   1%|▊                                                                            | 43.8M/3.95G [00:01<01:21, 47.9MB/s]
model-00001-of-00004.safetensors:   1%|█                                                                            | 53.3M/3.95G [00:02<01:08, 56.7MB/s]
model-00001-of-00004.safetensors:   2%|█▏                                                                           | 60.5M/3.95G [00:02<01:05, 59.5MB/s]
model-00001-of-00004.safetensors:   2%|█▎                                                                           | 69.4M/3.95G [00:02<01:09, 55.8MB/s]
model-00001-of-00004.safetensors:   2%|█▋                                                                           | 88.0M/3.95G [00:02<00:54, 70.5MB/s]
model-00001-of-00004.safetensors:   3%|██▎                                                                           | 120M/3.95G [00:02<00:41, 92.4MB/s]
model-00001-of-00004.safetensors:   4%|███▎                                                                           | 168M/3.95G [00:03<00:30, 123MB/s]
model-00001-of-00004.safetensors:   6%|████▋                                                                          | 235M/3.95G [00:03<00:19, 193MB/s]
model-00001-of-00004.safetensors:   8%|██████                                                                         | 303M/3.95G [00:03<00:21, 172MB/s]
model-00001-of-00004.safetensors:   9%|███████▏                                                                       | 356M/3.95G [00:03<00:19, 184MB/s]
model-00001-of-00004.safetensors:  11%|████████▍                                                                      | 423M/3.95G [00:04<00:16, 216MB/s]
model-00001-of-00004.safetensors:  11%|████████▉                                                                      | 447M/3.95G [00:04<00:19, 180MB/s]
model-00001-of-00004.safetensors:  12%|█████████▎                                                                     | 468M/3.95G [00:04<00:23, 151MB/s]
model-00001-of-00004.safetensors:  12%|█████████▊                                                                     | 489M/3.95G [00:04<00:23, 148MB/s]
model-00001-of-00004.safetensors:  13%|██████████                                                                     | 504M/3.95G [00:04<00:26, 131MB/s]
model-00001-of-00004.safetensors:  14%|██████████▉                                                                    | 547M/3.95G [00:05<00:25, 134MB/s]
model-00001-of-00004.safetensors:  16%|████████████▋                                                                  | 634M/3.95G [00:05<00:15, 214MB/s]
model-00001-of-00004.safetensors:  18%|██████████████                                                                 | 701M/3.95G [00:05<00:12, 254MB/s]
model-00001-of-00004.safetensors:  20%|████████████████                                                               | 802M/3.95G [00:06<00:18, 167MB/s]
model-00001-of-00004.safetensors:  22%|█████████████████▍                                                             | 869M/3.95G [00:06<00:15, 204MB/s]
model-00001-of-00004.safetensors:  24%|██████████████████▋                                                            | 936M/3.95G [00:06<00:12, 244MB/s]
model-00001-of-00004.safetensors:  25%|███████████████████▊                                                          | 1.00G/3.95G [00:06<00:10, 283MB/s]
model-00001-of-00004.safetensors:  27%|█████████████████████▍                                                        | 1.08G/3.95G [00:08<00:20, 143MB/s]
model-00001-of-00004.safetensors:  29%|██████████████████████▊                                                       | 1.16G/3.95G [00:08<00:16, 169MB/s]
model-00001-of-00004.safetensors:  31%|████████████████████████▏                                                     | 1.22G/3.95G [00:08<00:13, 208MB/s]
model-00001-of-00004.safetensors:  33%|█████████████████████████▌                                                    | 1.29G/3.95G [00:08<00:11, 230MB/s]
model-00001-of-00004.safetensors:  34%|██████████████████████████▏                                                   | 1.32G/3.95G [00:08<00:12, 209MB/s]
model-00001-of-00004.safetensors:  35%|███████████████████████████▌                                                  | 1.39G/3.95G [00:09<00:11, 224MB/s]
model-00001-of-00004.safetensors:  37%|████████████████████████████▉                                                 | 1.47G/3.95G [00:09<00:11, 216MB/s]
model-00001-of-00004.safetensors:  39%|██████████████████████████████▋                                               | 1.55G/3.95G [00:09<00:09, 248MB/s]
model-00001-of-00004.safetensors:  41%|███████████████████████████████▉                                              | 1.62G/3.95G [00:09<00:08, 285MB/s]
model-00001-of-00004.safetensors:  42%|████████████████████████████████▉                                             | 1.67G/3.95G [00:10<00:08, 279MB/s]
model-00001-of-00004.safetensors:  43%|█████████████████████████████████▋                                            | 1.71G/3.95G [00:10<00:08, 249MB/s]
model-00001-of-00004.safetensors:  44%|██████████████████████████████████▎                                           | 1.73G/3.95G [00:10<00:09, 222MB/s]
model-00001-of-00004.safetensors:  45%|███████████████████████████████████▎                                          | 1.78G/3.95G [00:10<00:08, 258MB/s]
model-00001-of-00004.safetensors:  47%|████████████████████████████████████▌                                         | 1.85G/3.95G [00:10<00:07, 263MB/s]
model-00001-of-00004.safetensors:  49%|█████████████████████████████████████▉                                        | 1.92G/3.95G [00:11<00:07, 264MB/s]
model-00001-of-00004.safetensors:  50%|███████████████████████████████████████▎                                      | 1.99G/3.95G [00:11<00:07, 264MB/s]
model-00001-of-00004.safetensors:  51%|███████████████████████████████████████▊                                      | 2.02G/3.95G [00:11<00:07, 252MB/s]
model-00001-of-00004.safetensors:  53%|█████████████████████████████████████████▏                                    | 2.08G/3.95G [00:11<00:06, 300MB/s]
model-00001-of-00004.safetensors:  54%|██████████████████████████████████████████▍                                   | 2.15G/3.95G [00:11<00:05, 337MB/s]
model-00001-of-00004.safetensors:  56%|███████████████████████████████████████████▊                                  | 2.22G/3.95G [00:12<00:05, 304MB/s]
model-00001-of-00004.safetensors:  58%|█████████████████████████████████████████████▏                                | 2.28G/3.95G [00:12<00:05, 295MB/s]
model-00001-of-00004.safetensors:  59%|██████████████████████████████████████████████                                | 2.33G/3.95G [00:12<00:06, 241MB/s]
model-00001-of-00004.safetensors:  61%|███████████████████████████████████████████████▋                              | 2.42G/3.95G [00:12<00:05, 299MB/s]
model-00001-of-00004.safetensors:  62%|████████████████████████████████████████████████▌                             | 2.46G/3.95G [00:13<00:05, 252MB/s]
model-00001-of-00004.safetensors:  64%|██████████████████████████████████████████████████▏                           | 2.54G/3.95G [00:13<00:04, 307MB/s]
model-00001-of-00004.safetensors:  66%|███████████████████████████████████████████████████▍                          | 2.60G/3.95G [00:13<00:04, 292MB/s]
model-00001-of-00004.safetensors:  68%|████████████████████████████████████████████████████▊                         | 2.67G/3.95G [00:13<00:03, 322MB/s]
model-00001-of-00004.safetensors:  69%|██████████████████████████████████████████████████████▏                       | 2.74G/3.95G [00:13<00:03, 353MB/s]
model-00001-of-00004.safetensors:  71%|███████████████████████████████████████████████████████▏                      | 2.79G/3.95G [00:13<00:03, 372MB/s]
model-00001-of-00004.safetensors:  72%|████████████████████████████████████████████████████████▍                     | 2.86G/3.95G [00:14<00:02, 410MB/s]
model-00001-of-00004.safetensors:  74%|█████████████████████████████████████████████████████████▍                    | 2.90G/3.95G [00:14<00:02, 419MB/s]
model-00001-of-00004.safetensors:  75%|██████████████████████████████████████████████████████████▊                   | 2.97G/3.95G [00:14<00:02, 397MB/s]
model-00001-of-00004.safetensors:  77%|████████████████████████████████████████████████████████████                  | 3.04G/3.95G [00:14<00:02, 436MB/s]
model-00001-of-00004.safetensors:  78%|█████████████████████████████████████████████████████████████▏                | 3.10G/3.95G [00:14<00:01, 432MB/s]
model-00001-of-00004.safetensors:  80%|██████████████████████████████████████████████████████████████▌               | 3.16G/3.95G [00:14<00:01, 459MB/s]
model-00001-of-00004.safetensors:  82%|███████████████████████████████████████████████████████████████▊              | 3.23G/3.95G [00:14<00:01, 479MB/s]
model-00001-of-00004.safetensors:  84%|█████████████████████████████████████████████████████████████████▏            | 3.30G/3.95G [00:15<00:01, 496MB/s]
model-00001-of-00004.safetensors:  85%|██████████████████████████████████████████████████████████████████▌           | 3.36G/3.95G [00:15<00:01, 503MB/s]
model-00001-of-00004.safetensors:  87%|███████████████████████████████████████████████████████████████████▊          | 3.43G/3.95G [00:15<00:01, 507MB/s]
model-00001-of-00004.safetensors:  89%|█████████████████████████████████████████████████████████████████████▏        | 3.50G/3.95G [00:15<00:00, 506MB/s]
model-00001-of-00004.safetensors:  90%|██████████████████████████████████████████████████████████████████████▍       | 3.57G/3.95G [00:15<00:00, 514MB/s]
model-00001-of-00004.safetensors:  93%|████████████████████████████████████████████████████████████████████████▋     | 3.68G/3.95G [00:15<00:00, 524MB/s]
model-00001-of-00004.safetensors:  95%|██████████████████████████████████████████████████████████████████████████    | 3.74G/3.95G [00:15<00:00, 538MB/s]
model-00001-of-00004.safetensors:  97%|███████████████████████████████████████████████████████████████████████████▎  | 3.81G/3.95G [00:15<00:00, 531MB/s]
model-00001-of-00004.safetensors:  98%|████████████████████████████████████████████████████████████████████████████▋ | 3.88G/3.95G [00:16<00:00, 537MB/s]
model-00001-of-00004.safetensors: 100%|██████████████████████████████████████████████████████████████████████████████| 3.95G/3.95G [00:16<00:00, 529MB/s]
model-00001-of-00004.safetensors: 100%|██████████████████████████████████████████████████████████████████████████████| 3.95G/3.95G [00:16<00:00, 243MB/s]

model-00002-of-00004.safetensors:   0%|                                                                                      | 0.00/3.86G [00:00<?, ?B/s]
model-00002-of-00004.safetensors:   0%|                                                                             | 3.45M/3.86G [00:01<19:55, 3.23MB/s]
model-00002-of-00004.safetensors:   3%|██▏                                                                           | 107M/3.86G [00:01<00:39, 94.4MB/s]
model-00002-of-00004.safetensors:   5%|███▊                                                                           | 185M/3.86G [00:01<00:23, 154MB/s]
model-00002-of-00004.safetensors:   7%|█████▋                                                                         | 280M/3.86G [00:01<00:15, 224MB/s]
model-00002-of-00004.safetensors:   9%|██████▊                                                                        | 336M/3.86G [00:02<00:14, 250MB/s]
model-00002-of-00004.safetensors:  11%|████████▋                                                                      | 425M/3.86G [00:02<00:14, 243MB/s]
model-00002-of-00004.safetensors:  13%|██████████                                                                     | 492M/3.86G [00:02<00:12, 268MB/s]
model-00002-of-00004.safetensors:  14%|███████████▍                                                                   | 559M/3.86G [00:02<00:10, 302MB/s]
model-00002-of-00004.safetensors:  16%|████████████▊                                                                  | 626M/3.86G [00:02<00:09, 344MB/s]
model-00002-of-00004.safetensors:  18%|██████████████▏                                                                | 697M/3.86G [00:03<00:08, 364MB/s]
model-00002-of-00004.safetensors:  20%|███████████████▌                                                               | 764M/3.86G [00:03<00:08, 354MB/s]
model-00002-of-00004.safetensors:  21%|████████████████▉                                                              | 831M/3.86G [00:03<00:07, 387MB/s]
model-00002-of-00004.safetensors:  23%|██████████████████▎                                                            | 898M/3.86G [00:03<00:07, 396MB/s]
model-00002-of-00004.safetensors:  25%|███████████████████▋                                                           | 965M/3.86G [00:03<00:06, 423MB/s]
model-00002-of-00004.safetensors:  27%|████████████████████▊                                                         | 1.03G/3.86G [00:04<00:08, 317MB/s]
model-00002-of-00004.safetensors:  28%|█████████████████████▊                                                        | 1.08G/3.86G [00:04<00:11, 242MB/s]
model-00002-of-00004.safetensors:  29%|██████████████████████▋                                                       | 1.13G/3.86G [00:04<00:10, 267MB/s]
model-00002-of-00004.safetensors:  31%|███████████████████████▊                                                      | 1.18G/3.86G [00:04<00:09, 298MB/s]
model-00002-of-00004.safetensors:  32%|█████████████████████████                                                     | 1.24G/3.86G [00:04<00:07, 335MB/s]
model-00002-of-00004.safetensors:  33%|██████████████████████████                                                    | 1.29G/3.86G [00:04<00:08, 289MB/s]
model-00002-of-00004.safetensors:  35%|███████████████████████████▎                                                  | 1.36G/3.86G [00:05<00:13, 184MB/s]
model-00002-of-00004.safetensors:  37%|████████████████████████████▌                                                 | 1.41G/3.86G [00:05<00:11, 213MB/s]
model-00002-of-00004.safetensors:  38%|█████████████████████████████▊                                                | 1.48G/3.86G [00:05<00:09, 254MB/s]
model-00002-of-00004.safetensors:  40%|███████████████████████████████▏                                              | 1.54G/3.86G [00:06<00:08, 277MB/s]
model-00002-of-00004.safetensors:  42%|████████████████████████████████▌                                             | 1.61G/3.86G [00:06<00:07, 313MB/s]
model-00002-of-00004.safetensors:  43%|█████████████████████████████████▊                                            | 1.68G/3.86G [00:06<00:06, 350MB/s]
model-00002-of-00004.safetensors:  45%|███████████████████████████████████▏                                          | 1.75G/3.86G [00:06<00:05, 377MB/s]
model-00002-of-00004.safetensors:  47%|████████████████████████████████████▌                                         | 1.81G/3.86G [00:06<00:05, 385MB/s]
model-00002-of-00004.safetensors:  49%|█████████████████████████████████████▉                                        | 1.88G/3.86G [00:06<00:04, 415MB/s]
model-00002-of-00004.safetensors:  50%|███████████████████████████████████████▎                                      | 1.95G/3.86G [00:06<00:04, 426MB/s]
model-00002-of-00004.safetensors:  52%|████████████████████████████████████████▋                                     | 2.01G/3.86G [00:07<00:04, 449MB/s]
model-00002-of-00004.safetensors:  54%|█████████████████████████████████████████▉                                    | 2.08G/3.86G [00:07<00:03, 456MB/s]
model-00002-of-00004.safetensors:  56%|███████████████████████████████████████████▎                                  | 2.15G/3.86G [00:07<00:03, 478MB/s]
model-00002-of-00004.safetensors:  57%|████████████████████████████████████████████▊                                 | 2.22G/3.86G [00:07<00:03, 422MB/s]
model-00002-of-00004.safetensors:  59%|█████████████████████████████████████████████▉                                | 2.28G/3.86G [00:07<00:03, 439MB/s]
model-00002-of-00004.safetensors:  61%|███████████████████████████████████████████████▍                              | 2.35G/3.86G [00:07<00:03, 422MB/s]
model-00002-of-00004.safetensors:  63%|████████████████████████████████████████████████▊                             | 2.42G/3.86G [00:08<00:03, 370MB/s]
model-00002-of-00004.safetensors:  64%|██████████████████████████████████████████████████▏                           | 2.48G/3.86G [00:08<00:03, 364MB/s]
model-00002-of-00004.safetensors:  66%|███████████████████████████████████████████████████▍                          | 2.55G/3.86G [00:08<00:03, 380MB/s]
model-00002-of-00004.safetensors:  68%|████████████████████████████████████████████████████▊                         | 2.62G/3.86G [00:08<00:03, 398MB/s]
model-00002-of-00004.safetensors:  69%|██████████████████████████████████████████████████████▏                       | 2.69G/3.86G [00:08<00:02, 422MB/s]
model-00002-of-00004.safetensors:  71%|███████████████████████████████████████████████████████▌                      | 2.75G/3.86G [00:08<00:02, 406MB/s]
model-00002-of-00004.safetensors:  73%|████████████████████████████████████████████████████████▉                     | 2.82G/3.86G [00:09<00:02, 399MB/s]
model-00002-of-00004.safetensors:  75%|██████████████████████████████████████████████████████████▎                   | 2.89G/3.86G [00:09<00:02, 403MB/s]
model-00002-of-00004.safetensors:  76%|███████████████████████████████████████████████████████████▌                  | 2.95G/3.86G [00:09<00:02, 441MB/s]
model-00002-of-00004.safetensors:  78%|████████████████████████████████████████████████████████████▉                 | 3.02G/3.86G [00:09<00:01, 457MB/s]
model-00002-of-00004.safetensors:  80%|██████████████████████████████████████████████████████████████▎               | 3.09G/3.86G [00:09<00:01, 474MB/s]
model-00002-of-00004.safetensors:  82%|███████████████████████████████████████████████████████████████▋              | 3.15G/3.86G [00:09<00:01, 465MB/s]
model-00002-of-00004.safetensors:  83%|█████████████████████████████████████████████████████████████████             | 3.22G/3.86G [00:09<00:01, 474MB/s]
model-00002-of-00004.safetensors:  85%|██████████████████████████████████████████████████████████████████▎           | 3.29G/3.86G [00:10<00:01, 487MB/s]
model-00002-of-00004.safetensors:  87%|███████████████████████████████████████████████████████████████████▋          | 3.36G/3.86G [00:10<00:01, 480MB/s]
model-00002-of-00004.safetensors:  89%|█████████████████████████████████████████████████████████████████████         | 3.42G/3.86G [00:10<00:00, 480MB/s]
model-00002-of-00004.safetensors:  90%|██████████████████████████████████████████████████████████████████████▍       | 3.49G/3.86G [00:10<00:00, 476MB/s]
model-00002-of-00004.safetensors:  92%|███████████████████████████████████████████████████████████████████████▊      | 3.56G/3.86G [00:10<00:00, 485MB/s]
model-00002-of-00004.safetensors:  94%|█████████████████████████████████████████████████████████████████████████▏    | 3.62G/3.86G [00:10<00:00, 454MB/s]
model-00002-of-00004.safetensors:  96%|██████████████████████████████████████████████████████████████████████████▍   | 3.69G/3.86G [00:10<00:00, 461MB/s]
model-00002-of-00004.safetensors:  97%|███████████████████████████████████████████████████████████████████████████▊  | 3.76G/3.86G [00:11<00:00, 475MB/s]
model-00002-of-00004.safetensors:  99%|█████████████████████████████████████████████████████████████████████████████ | 3.82G/3.86G [00:11<00:00, 446MB/s]
model-00002-of-00004.safetensors: 100%|██████████████████████████████████████████████████████████████████████████████| 3.86G/3.86G [00:11<00:00, 444MB/s]
model-00002-of-00004.safetensors: 100%|██████████████████████████████████████████████████████████████████████████████| 3.86G/3.86G [00:11<00:00, 341MB/s]

model-00003-of-00004.safetensors:   0%|                                                                                      | 0.00/3.86G [00:00<?, ?B/s]
model-00003-of-00004.safetensors:   0%|                                                                             | 1.37M/3.86G [00:01<51:34, 1.25MB/s]
model-00003-of-00004.safetensors:   0%|▎                                                                            | 15.4M/3.86G [00:01<03:45, 17.1MB/s]
model-00003-of-00004.safetensors:   2%|█▌                                                                           | 79.2M/3.86G [00:01<00:55, 67.9MB/s]
model-00003-of-00004.safetensors:   7%|█████▋                                                                         | 280M/3.86G [00:01<00:13, 258MB/s]
model-00003-of-00004.safetensors:   9%|███████                                                                        | 347M/3.86G [00:02<00:11, 295MB/s]
model-00003-of-00004.safetensors:  11%|████████▍                                                                      | 414M/3.86G [00:02<00:12, 279MB/s]
model-00003-of-00004.safetensors:  12%|█████████▊                                                                     | 478M/3.86G [00:02<00:12, 273MB/s]
model-00003-of-00004.safetensors:  14%|███████████▏                                                                   | 545M/3.86G [00:02<00:10, 319MB/s]
model-00003-of-00004.safetensors:  16%|████████████▌                                                                  | 612M/3.86G [00:02<00:09, 360MB/s]
model-00003-of-00004.safetensors:  18%|█████████████▊                                                                 | 678M/3.86G [00:02<00:08, 384MB/s]
model-00003-of-00004.safetensors:  19%|███████████████▏                                                               | 745M/3.86G [00:03<00:07, 418MB/s]
model-00003-of-00004.safetensors:  21%|████████████████▌                                                              | 812M/3.86G [00:03<00:09, 316MB/s]
model-00003-of-00004.safetensors:  23%|█████████████████▉                                                             | 879M/3.86G [00:03<00:08, 337MB/s]
model-00003-of-00004.safetensors:  24%|███████████████████▎                                                           | 946M/3.86G [00:03<00:07, 373MB/s]
model-00003-of-00004.safetensors:  26%|████████████████████▍                                                         | 1.01G/3.86G [00:04<00:09, 303MB/s]
model-00003-of-00004.safetensors:  28%|█████████████████████▋                                                        | 1.07G/3.86G [00:04<00:09, 283MB/s]
model-00003-of-00004.safetensors:  29%|██████████████████████▋                                                       | 1.13G/3.86G [00:04<00:10, 257MB/s]
model-00003-of-00004.safetensors:  30%|███████████████████████▍                                                      | 1.16G/3.86G [00:04<00:11, 227MB/s]
model-00003-of-00004.safetensors:  31%|████████████████████████                                                      | 1.19G/3.86G [00:05<00:14, 184MB/s]
model-00003-of-00004.safetensors:  31%|████████████████████████▍                                                     | 1.21G/3.86G [00:05<00:17, 154MB/s]
model-00003-of-00004.safetensors:  33%|█████████████████████████▌                                                    | 1.26G/3.86G [00:05<00:12, 200MB/s]
model-00003-of-00004.safetensors:  33%|██████████████████████████                                                    | 1.29G/3.86G [00:05<00:13, 192MB/s]
model-00003-of-00004.safetensors:  35%|███████████████████████████▏                                                  | 1.35G/3.86G [00:05<00:10, 230MB/s]
model-00003-of-00004.safetensors:  37%|████████████████████████████▌                                                 | 1.42G/3.86G [00:05<00:08, 283MB/s]
model-00003-of-00004.safetensors:  38%|█████████████████████████████▉                                                | 1.48G/3.86G [00:06<00:06, 345MB/s]
model-00003-of-00004.safetensors:  40%|███████████████████████████████▎                                              | 1.55G/3.86G [00:06<00:05, 387MB/s]
model-00003-of-00004.safetensors:  42%|████████████████████████████████▌                                             | 1.61G/3.86G [00:06<00:06, 343MB/s]
model-00003-of-00004.safetensors:  43%|█████████████████████████████████▉                                            | 1.68G/3.86G [00:06<00:06, 356MB/s]
model-00003-of-00004.safetensors:  45%|███████████████████████████████████▎                                          | 1.75G/3.86G [00:06<00:05, 405MB/s]
model-00003-of-00004.safetensors:  47%|████████████████████████████████████▌                                         | 1.81G/3.86G [00:06<00:04, 427MB/s]
model-00003-of-00004.safetensors:  49%|█████████████████████████████████████▉                                        | 1.88G/3.86G [00:06<00:04, 429MB/s]
model-00003-of-00004.safetensors:  50%|███████████████████████████████████████▎                                      | 1.95G/3.86G [00:07<00:04, 448MB/s]
model-00003-of-00004.safetensors:  52%|████████████████████████████████████████▋                                     | 2.01G/3.86G [00:07<00:04, 448MB/s]
model-00003-of-00004.safetensors:  54%|█████████████████████████████████████████▉                                    | 2.08G/3.86G [00:07<00:04, 380MB/s]
model-00003-of-00004.safetensors:  55%|███████████████████████████████████████████▏                                  | 2.14G/3.86G [00:07<00:05, 322MB/s]
model-00003-of-00004.safetensors:  57%|████████████████████████████████████████████▌                                 | 2.20G/3.86G [00:07<00:04, 362MB/s]
model-00003-of-00004.safetensors:  58%|█████████████████████████████████████████████▌                                | 2.26G/3.86G [00:08<00:04, 364MB/s]
model-00003-of-00004.safetensors:  60%|██████████████████████████████████████████████▌                               | 2.31G/3.86G [00:08<00:04, 365MB/s]
model-00003-of-00004.safetensors:  61%|███████████████████████████████████████████████▉                              | 2.37G/3.86G [00:08<00:03, 389MB/s]
model-00003-of-00004.safetensors:  63%|█████████████████████████████████████████████████▍                            | 2.45G/3.86G [00:08<00:03, 385MB/s]
model-00003-of-00004.safetensors:  65%|██████████████████████████████████████████████████▍                           | 2.50G/3.86G [00:08<00:03, 402MB/s]
model-00003-of-00004.safetensors:  66%|███████████████████████████████████████████████████▊                          | 2.57G/3.86G [00:08<00:03, 427MB/s]
model-00003-of-00004.safetensors:  68%|█████████████████████████████████████████████████████▏                        | 2.63G/3.86G [00:08<00:02, 442MB/s]
model-00003-of-00004.safetensors:  70%|██████████████████████████████████████████████████████▌                       | 2.70G/3.86G [00:09<00:02, 454MB/s]
model-00003-of-00004.safetensors:  72%|███████████████████████████████████████████████████████▉                      | 2.77G/3.86G [00:09<00:02, 463MB/s]
model-00003-of-00004.safetensors:  73%|█████████████████████████████████████████████████████████▏                    | 2.84G/3.86G [00:09<00:02, 471MB/s]
model-00003-of-00004.safetensors:  75%|██████████████████████████████████████████████████████████▌                   | 2.90G/3.86G [00:09<00:02, 469MB/s]
model-00003-of-00004.safetensors:  77%|███████████████████████████████████████████████████████████▉                  | 2.97G/3.86G [00:09<00:01, 448MB/s]
model-00003-of-00004.safetensors:  78%|█████████████████████████████████████████████████████████████▏                | 3.03G/3.86G [00:09<00:01, 429MB/s]
model-00003-of-00004.safetensors:  80%|██████████████████████████████████████████████████████████████▌               | 3.10G/3.86G [00:09<00:01, 425MB/s]
model-00003-of-00004.safetensors:  82%|███████████████████████████████████████████████████████████████▉              | 3.17G/3.86G [00:10<00:01, 433MB/s]
model-00003-of-00004.safetensors:  84%|█████████████████████████████████████████████████████████████████▎            | 3.24G/3.86G [00:10<00:01, 436MB/s]
model-00003-of-00004.safetensors:  85%|██████████████████████████████████████████████████████████████████▋           | 3.30G/3.86G [00:10<00:01, 418MB/s]
model-00003-of-00004.safetensors:  87%|████████████████████████████████████████████████████████████████████          | 3.37G/3.86G [00:10<00:01, 423MB/s]
model-00003-of-00004.safetensors:  89%|█████████████████████████████████████████████████████████████████████▎        | 3.44G/3.86G [00:10<00:01, 427MB/s]
model-00003-of-00004.safetensors:  91%|██████████████████████████████████████████████████████████████████████▋       | 3.50G/3.86G [00:10<00:00, 429MB/s]
model-00003-of-00004.safetensors:  92%|████████████████████████████████████████████████████████████████████████      | 3.57G/3.86G [00:11<00:00, 440MB/s]
model-00003-of-00004.safetensors:  94%|█████████████████████████████████████████████████████████████████████████▌    | 3.64G/3.86G [00:11<00:00, 409MB/s]
model-00003-of-00004.safetensors:  96%|██████████████████████████████████████████████████████████████████████████▉   | 3.71G/3.86G [00:11<00:00, 424MB/s]
model-00003-of-00004.safetensors:  98%|████████████████████████████████████████████████████████████████████████████▎ | 3.78G/3.86G [00:11<00:00, 415MB/s]
model-00003-of-00004.safetensors: 100%|██████████████████████████████████████████████████████████████████████████████| 3.86G/3.86G [00:11<00:00, 392MB/s]
model-00003-of-00004.safetensors: 100%|██████████████████████████████████████████████████████████████████████████████| 3.86G/3.86G [00:11<00:00, 327MB/s]

model-00004-of-00004.safetensors:   0%|                                                                                      | 0.00/3.56G [00:00<?, ?B/s]
model-00004-of-00004.safetensors:   0%|                                                                         | 9.42k/3.56G [00:01<163:05:23, 6.06kB/s]
model-00004-of-00004.safetensors:   1%|▉                                                                            | 44.7M/3.56G [00:01<01:50, 31.8MB/s]
model-00004-of-00004.safetensors:   4%|███▏                                                                          | 145M/3.56G [00:02<00:38, 87.6MB/s]
model-00004-of-00004.safetensors:   6%|████▍                                                                          | 202M/3.56G [00:02<00:30, 110MB/s]
model-00004-of-00004.safetensors:   8%|█████▉                                                                         | 269M/3.56G [00:02<00:21, 150MB/s]
model-00004-of-00004.safetensors:   9%|███████▍                                                                       | 336M/3.56G [00:03<00:18, 177MB/s]
model-00004-of-00004.safetensors:  11%|████████▉                                                                      | 403M/3.56G [00:03<00:15, 198MB/s]
model-00004-of-00004.safetensors:  13%|██████████▍                                                                    | 470M/3.56G [00:03<00:14, 219MB/s]
model-00004-of-00004.safetensors:  15%|███████████▉                                                                   | 538M/3.56G [00:03<00:11, 253MB/s]
model-00004-of-00004.safetensors:  17%|█████████████▍                                                                 | 604M/3.56G [00:04<00:10, 279MB/s]
model-00004-of-00004.safetensors:  19%|██████████████▉                                                                | 671M/3.56G [00:04<00:09, 313MB/s]
model-00004-of-00004.safetensors:  21%|████████████████▍                                                              | 738M/3.56G [00:04<00:09, 305MB/s]
model-00004-of-00004.safetensors:  23%|█████████████████▉                                                             | 805M/3.56G [00:04<00:08, 331MB/s]
model-00004-of-00004.safetensors:  25%|███████████████████▍                                                           | 873M/3.56G [00:04<00:09, 284MB/s]
model-00004-of-00004.safetensors:  27%|█████████████████████▌                                                         | 970M/3.56G [00:05<00:13, 197MB/s]
model-00004-of-00004.safetensors:  29%|██████████████████████▋                                                       | 1.04G/3.56G [00:05<00:11, 228MB/s]
model-00004-of-00004.safetensors:  31%|███████████████████████▉                                                      | 1.09G/3.56G [00:06<00:10, 230MB/s]
model-00004-of-00004.safetensors:  32%|████████████████████████▉                                                     | 1.13G/3.56G [00:06<00:09, 244MB/s]
model-00004-of-00004.safetensors:  34%|██████████████████████████▏                                                   | 1.20G/3.56G [00:06<00:08, 265MB/s]
model-00004-of-00004.safetensors:  36%|███████████████████████████▉                                                  | 1.27G/3.56G [00:06<00:07, 296MB/s]
model-00004-of-00004.safetensors:  37%|████████████████████████████▋                                                 | 1.31G/3.56G [00:06<00:07, 306MB/s]
model-00004-of-00004.safetensors:  38%|█████████████████████████████▌                                                | 1.35G/3.56G [00:06<00:07, 300MB/s]
model-00004-of-00004.safetensors:  40%|██████████████████████████████▉                                               | 1.41G/3.56G [00:07<00:12, 174MB/s]
model-00004-of-00004.safetensors:  42%|████████████████████████████████▍                                             | 1.48G/3.56G [00:07<00:10, 205MB/s]
model-00004-of-00004.safetensors:  43%|█████████████████████████████████▊                                            | 1.54G/3.56G [00:07<00:08, 237MB/s]
model-00004-of-00004.safetensors:  45%|███████████████████████████████████▎                                          | 1.61G/3.56G [00:08<00:07, 265MB/s]
model-00004-of-00004.safetensors:  47%|████████████████████████████████████▊                                         | 1.68G/3.56G [00:08<00:06, 307MB/s]
model-00004-of-00004.safetensors:  49%|██████████████████████████████████████▎                                       | 1.75G/3.56G [00:08<00:05, 344MB/s]
model-00004-of-00004.safetensors:  51%|███████████████████████████████████████▋                                      | 1.81G/3.56G [00:08<00:04, 364MB/s]
model-00004-of-00004.safetensors:  53%|█████████████████████████████████████████▏                                    | 1.88G/3.56G [00:08<00:04, 380MB/s]
model-00004-of-00004.safetensors:  55%|██████████████████████████████████████████▋                                   | 1.95G/3.56G [00:08<00:04, 393MB/s]
model-00004-of-00004.safetensors:  57%|████████████████████████████████████████████▏                                 | 2.01G/3.56G [00:08<00:03, 408MB/s]
model-00004-of-00004.safetensors:  58%|█████████████████████████████████████████████▋                                | 2.08G/3.56G [00:09<00:03, 386MB/s]
model-00004-of-00004.safetensors:  60%|███████████████████████████████████████████████                               | 2.15G/3.56G [00:09<00:03, 408MB/s]
model-00004-of-00004.safetensors:  62%|████████████████████████████████████████████████▎                             | 2.20G/3.56G [00:09<00:03, 344MB/s]
model-00004-of-00004.safetensors:  63%|█████████████████████████████████████████████████▎                            | 2.25G/3.56G [00:09<00:03, 353MB/s]
model-00004-of-00004.safetensors:  65%|██████████████████████████████████████████████████▌                           | 2.31G/3.56G [00:09<00:03, 358MB/s]
model-00004-of-00004.safetensors:  66%|███████████████████████████████████████████████████▊                          | 2.36G/3.56G [00:09<00:03, 359MB/s]
model-00004-of-00004.safetensors:  68%|█████████████████████████████████████████████████████▍                        | 2.44G/3.56G [00:10<00:03, 366MB/s]
model-00004-of-00004.safetensors:  70%|██████████████████████████████████████████████████████▉                       | 2.51G/3.56G [00:10<00:02, 359MB/s]
model-00004-of-00004.safetensors:  72%|███████████████████████████████████████████████████████▉                      | 2.55G/3.56G [00:10<00:02, 355MB/s]
model-00004-of-00004.safetensors:  74%|█████████████████████████████████████████████████████████▍                    | 2.62G/3.56G [00:10<00:02, 381MB/s]
model-00004-of-00004.safetensors:  75%|██████████████████████████████████████████████████████████▉                   | 2.68G/3.56G [00:10<00:02, 384MB/s]
model-00004-of-00004.safetensors:  77%|████████████████████████████████████████████████████████████▎                 | 2.75G/3.56G [00:10<00:02, 389MB/s]
model-00004-of-00004.safetensors:  79%|█████████████████████████████████████████████████████████████▊                | 2.82G/3.56G [00:11<00:01, 409MB/s]
model-00004-of-00004.safetensors:  81%|███████████████████████████████████████████████████████████████▎              | 2.89G/3.56G [00:11<00:01, 402MB/s]
model-00004-of-00004.safetensors:  83%|████████████████████████████████████████████████████████████████▊             | 2.95G/3.56G [00:11<00:01, 401MB/s]
model-00004-of-00004.safetensors:  85%|██████████████████████████████████████████████████████████████████▏           | 3.02G/3.56G [00:11<00:01, 415MB/s]
model-00004-of-00004.safetensors:  87%|███████████████████████████████████████████████████████████████████▋          | 3.09G/3.56G [00:11<00:01, 423MB/s]
model-00004-of-00004.safetensors:  89%|█████████████████████████████████████████████████████████████████████▏        | 3.15G/3.56G [00:11<00:00, 423MB/s]
model-00004-of-00004.safetensors:  91%|██████████████████████████████████████████████████████████████████████▋       | 3.22G/3.56G [00:12<00:00, 416MB/s]
model-00004-of-00004.safetensors:  92%|████████████████████████████████████████████████████████████████████████      | 3.29G/3.56G [00:12<00:00, 431MB/s]
model-00004-of-00004.safetensors:  94%|█████████████████████████████████████████████████████████████████████████▌    | 3.36G/3.56G [00:12<00:00, 417MB/s]
model-00004-of-00004.safetensors:  96%|███████████████████████████████████████████████████████████████████████████   | 3.42G/3.56G [00:12<00:00, 425MB/s]
model-00004-of-00004.safetensors:  98%|████████████████████████████████████████████████████████████████████████████▌ | 3.49G/3.56G [00:12<00:00, 437MB/s]
model-00004-of-00004.safetensors: 100%|██████████████████████████████████████████████████████████████████████████████| 3.56G/3.56G [00:12<00:00, 445MB/s]
model-00004-of-00004.safetensors: 100%|██████████████████████████████████████████████████████████████████████████████| 3.56G/3.56G [00:12<00:00, 277MB/s]

Loading checkpoint shards:   0%|                                                                                                   | 0/4 [00:00<?, ?it/s]
Loading checkpoint shards:  25%|██████████████████████▊                                                                    | 1/4 [00:06<00:18,  6.20s/it]
Loading checkpoint shards:  50%|█████████████████████████████████████████████▌                                             | 2/4 [00:12<00:12,  6.48s/it]
Loading checkpoint shards:  75%|████████████████████████████████████████████████████████████████████▎                      | 3/4 [00:20<00:06,  6.99s/it]
Loading checkpoint shards: 100%|███████████████████████████████████████████████████████████████████████████████████████████| 4/4 [00:25<00:00,  6.17s/it]
Loading checkpoint shards: 100%|███████████████████████████████████████████████████████████████████████████████████████████| 4/4 [00:25<00:00,  6.35s/it]

generation_config.json:   0%|                                                                                                  | 0.00/243 [00:00<?, ?B/s]
generation_config.json: 100%|███████████████████████████████████████████████████████████████████████████████████████████| 243/243 [00:00<00:00, 2.95MB/s]
[2025-10-22 12:56:50,899] [INFO] [axolotl.loaders.model._prepare_model_for_quantization:863] [PID:2418] converting PEFT model w/ prepare_model_for_kbit_training
[2025-10-22 12:56:50,901] [INFO] [axolotl.loaders.model._configure_embedding_dtypes:345] [PID:2418] Converting modules to torch.bfloat16
[2025-10-22 12:56:50,903] [DEBUG] [axolotl.loaders.model.log_gpu_memory_usage:127] [PID:2418] Memory usage after model load 11.676GB (+11.676GB allocated, +13.172GB reserved)
trainable params: 20,185,088 || all params: 7,635,801,600 || trainable%: 0.2643
[2025-10-22 12:56:51,121] [DEBUG] [axolotl.loaders.model.log_gpu_memory_usage:127] [PID:2418] after adapters 8.565GB (+8.565GB allocated, +13.248GB reserved)
[2025-10-22 12:56:57,347] [INFO] [axolotl.train.save_initial_configs:398] [PID:2418] Pre-saving adapter config to /workspace/fine-tuning/output...
[2025-10-22 12:56:57,347] [INFO] [axolotl.train.save_initial_configs:402] [PID:2418] Pre-saving tokenizer to /workspace/fine-tuning/output...
[2025-10-22 12:56:57,464] [INFO] [axolotl.train.save_initial_configs:407] [PID:2418] Pre-saving model config to /workspace/fine-tuning/output...
[2025-10-22 12:56:57,466] [INFO] [axolotl.train.execute_training:196] [PID:2418] Starting trainer...

  0%|                                                                                                                             | 0/63 [00:00<?, ?it/s][2025-10-22 12:56:58,802] [WARNING] [py.warnings._showwarnmsg:110] [PID:2418] /root/miniconda3/envs/py3.11/lib/python3.11/site-packages/bitsandbytes/autograd/_functions.py:186: UserWarning: MatMul8bitLt: inputs will be cast from torch.bfloat16 to float16 during quantization
  warnings.warn(f"MatMul8bitLt: inputs will be cast from {A.dtype} to float16 during quantization")


  2%|█▊                                                                                                                   | 1/63 [00:04<04:23,  4.24s/it]
  3%|███▋                                                                                                                 | 2/63 [00:07<03:35,  3.53s/it]
  5%|█████▌                                                                                                               | 3/63 [00:10<03:29,  3.50s/it]
  6%|███████▍                                                                                                             | 4/63 [00:13<03:15,  3.31s/it]
  8%|█████████▎                                                                                                           | 5/63 [00:16<03:06,  3.22s/it]
 10%|███████████▏                                                                                                         | 6/63 [00:19<03:01,  3.19s/it]
 11%|█████████████                                                                                                        | 7/63 [00:22<02:50,  3.04s/it]
 13%|██████████████▊                                                                                                      | 8/63 [00:25<02:46,  3.03s/it]
 14%|████████████████▋                                                                                                    | 9/63 [00:28<02:39,  2.95s/it]
 16%|██████████████████▍                                                                                                 | 10/63 [00:32<02:49,  3.20s/it]
                                                                                                                                                         
{'loss': 2.8315, 'grad_norm': 0.5804110765457153, 'learning_rate': 0.00019357168190404936, 'memory/max_active (GiB)': 19.67, 'memory/max_allocated (GiB)': 19.67, 'memory/device_reserved (GiB)': 21.65, 'tokens_per_second_per_gpu': 1089.23, 'epoch': 0.48}

 16%|██████████████████▍                                                                                                 | 10/63 [00:32<02:49,  3.20s/it]
 17%|████████████████████▎                                                                                               | 11/63 [00:35<02:52,  3.32s/it]
 19%|██████████████████████                                                                                              | 12/63 [00:38<02:41,  3.17s/it]
 21%|███████████████████████▉                                                                                            | 13/63 [00:41<02:33,  3.08s/it]
 22%|█████████████████████████▊                                                                                          | 14/63 [00:44<02:23,  2.93s/it]
 24%|███████████████████████████▌                                                                                        | 15/63 [00:47<02:21,  2.95s/it]
 25%|█████████████████████████████▍                                                                                      | 16/63 [00:50<02:20,  2.98s/it]
 27%|███████████████████████████████▎                                                                                    | 17/63 [00:52<02:13,  2.91s/it]
 29%|█████████████████████████████████▏                                                                                  | 18/63 [00:55<02:11,  2.93s/it]
 30%|██████████████████████████████████▉                                                                                 | 19/63 [00:58<02:06,  2.87s/it]
 32%|████████████████████████████████████▊                                                                               | 20/63 [01:01<02:02,  2.85s/it]
                                                                                                                                                         
{'loss': 2.5331, 'grad_norm': 0.5418248772621155, 'learning_rate': 0.00016405931786981755, 'memory/max_active (GiB)': 17.12, 'memory/max_allocated (GiB)': 17.12, 'memory/device_reserved (GiB)': 21.65, 'tokens_per_second_per_gpu': 1399.77, 'epoch': 0.95}

 32%|████████████████████████████████████▊                                                                               | 20/63 [01:01<02:02,  2.85s/it]
 33%|██████████████████████████████████████▋                                                                             | 21/63 [01:04<01:58,  2.82s/it]
 35%|████████████████████████████████████████▌                                                                           | 22/63 [01:07<02:00,  2.94s/it]
 37%|██████████████████████████████████████████▎                                                                         | 23/63 [01:09<01:53,  2.83s/it]
 38%|████████████████████████████████████████████▏                                                                       | 24/63 [01:13<01:57,  3.01s/it]
 40%|██████████████████████████████████████████████                                                                      | 25/63 [01:16<01:51,  2.93s/it]
 41%|███████████████████████████████████████████████▊                                                                    | 26/63 [01:18<01:46,  2.87s/it]
 43%|█████████████████████████████████████████████████▋                                                                  | 27/63 [01:21<01:45,  2.93s/it]
 44%|███████████████████████████████████████████████████▌                                                                | 28/63 [01:25<01:51,  3.19s/it]
 46%|█████████████████████████████████████████████████████▍                                                              | 29/63 [01:28<01:46,  3.15s/it]
 48%|███████████████████████████████████████████████████████▏                                                            | 30/63 [01:31<01:38,  2.97s/it]
                                                                                                                                                         
{'loss': 2.2908, 'grad_norm': 0.926287829875946, 'learning_rate': 0.00011792807588107357, 'memory/max_active (GiB)': 19.67, 'memory/max_allocated (GiB)': 19.67, 'memory/device_reserved (GiB)': 21.66, 'tokens_per_second_per_gpu': 1503.62, 'epoch': 1.43}

 48%|███████████████████████████████████████████████████████▏                                                            | 30/63 [01:31<01:38,  2.97s/it]
 49%|█████████████████████████████████████████████████████████                                                           | 31/63 [01:33<01:30,  2.84s/it]
 51%|██████████████████████████████████████████████████████████▉                                                         | 32/63 [01:36<01:28,  2.85s/it]
 52%|████████████████████████████████████████████████████████████▊                                                       | 33/63 [01:39<01:25,  2.84s/it]
 54%|██████████████████████████████████████████████████████████████▌                                                     | 34/63 [01:42<01:23,  2.87s/it]
 56%|████████████████████████████████████████████████████████████████▍                                                   | 35/63 [01:45<01:17,  2.78s/it]
 57%|██████████████████████████████████████████████████████████████████▎                                                 | 36/63 [01:48<01:17,  2.87s/it]
 59%|████████████████████████████████████████████████████████████████████▏                                               | 37/63 [01:50<01:13,  2.84s/it]
 60%|█████████████████████████████████████████████████████████████████████▉                                              | 38/63 [01:53<01:12,  2.90s/it]
 62%|███████████████████████████████████████████████████████████████████████▊                                            | 39/63 [01:56<01:10,  2.93s/it]
 63%|█████████████████████████████████████████████████████████████████████████▋                                          | 40/63 [01:59<01:07,  2.95s/it]
                                                                                                                                                         
{'loss': 2.3613, 'grad_norm': 0.741166353225708, 'learning_rate': 6.714576180891654e-05, 'memory/max_active (GiB)': 13.69, 'memory/max_allocated (GiB)': 13.69, 'memory/device_reserved (GiB)': 21.66, 'tokens_per_second_per_gpu': 1292.51, 'epoch': 1.9}

 63%|█████████████████████████████████████████████████████████████████████████▋                                          | 40/63 [01:59<01:07,  2.95s/it]
 65%|███████████████████████████████████████████████████████████████████████████▍                                        | 41/63 [02:02<01:05,  2.97s/it]
 67%|█████████████████████████████████████████████████████████████████████████████▎                                      | 42/63 [02:05<01:01,  2.91s/it]
 68%|███████████████████████████████████████████████████████████████████████████████▏                                    | 43/63 [02:08<01:00,  3.02s/it]
 70%|█████████████████████████████████████████████████████████████████████████████████                                   | 44/63 [02:12<01:00,  3.20s/it]
 71%|██████████████████████████████████████████████████████████████████████████████████▊                                 | 45/63 [02:15<00:56,  3.11s/it]
 73%|████████████████████████████████████████████████████████████████████████████████████▋                               | 46/63 [02:18<00:52,  3.11s/it]
 75%|██████████████████████████████████████████████████████████████████████████████████████▌                             | 47/63 [02:21<00:49,  3.08s/it]
 76%|████████████████████████████████████████████████████████████████████████████████████████▍                           | 48/63 [02:25<00:48,  3.23s/it]
 78%|██████████████████████████████████████████████████████████████████████████████████████████▏                         | 49/63 [02:28<00:43,  3.10s/it]
 79%|████████████████████████████████████████████████████████████████████████████████████████████                        | 50/63 [02:31<00:39,  3.07s/it]
                                                                                                                                                         
{'loss': 2.1182, 'grad_norm': 0.8406546115875244, 'learning_rate': 2.4886806912948035e-05, 'memory/max_active (GiB)': 19.67, 'memory/max_allocated (GiB)': 19.67, 'memory/device_reserved (GiB)': 21.66, 'tokens_per_second_per_gpu': 1380.03, 'epoch': 2.38}

 79%|████████████████████████████████████████████████████████████████████████████████████████████                        | 50/63 [02:31<00:39,  3.07s/it]
 81%|█████████████████████████████████████████████████████████████████████████████████████████████▉                      | 51/63 [02:33<00:35,  2.97s/it]
 83%|███████████████████████████████████████████████████████████████████████████████████████████████▋                    | 52/63 [02:36<00:32,  2.93s/it]
 84%|█████████████████████████████████████████████████████████████████████████████████████████████████▌                  | 53/63 [02:39<00:29,  2.92s/it]
 86%|███████████████████████████████████████████████████████████████████████████████████████████████████▍                | 54/63 [02:42<00:26,  2.92s/it]
 87%|█████████████████████████████████████████████████████████████████████████████████████████████████████▎              | 55/63 [02:45<00:23,  2.91s/it]
 89%|███████████████████████████████████████████████████████████████████████████████████████████████████████             | 56/63 [02:48<00:20,  2.91s/it]
 90%|████████████████████████████████████████████████████████████████████████████████████████████████████████▉           | 57/63 [02:51<00:18,  3.04s/it]
 92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████▊         | 58/63 [02:54<00:14,  2.99s/it]
 94%|████████████████████████████████████████████████████████████████████████████████████████████████████████████▋       | 59/63 [02:57<00:11,  2.95s/it]
 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▍     | 60/63 [03:00<00:08,  2.95s/it]
                                                                                                                                                         
{'loss': 2.1277, 'grad_norm': 0.7622830271720886, 'learning_rate': 2.1144314904642195e-06, 'memory/max_active (GiB)': 17.48, 'memory/max_allocated (GiB)': 17.48, 'memory/device_reserved (GiB)': 21.66, 'tokens_per_second_per_gpu': 1322.61, 'epoch': 2.86}

 95%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████▍     | 60/63 [03:00<00:08,  2.95s/it]
 97%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████▎   | 61/63 [03:03<00:05,  2.92s/it]
 98%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ | 62/63 [03:05<00:02,  2.91s/it]
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 63/63 [03:08<00:00,  2.87s/it][2025-10-22 13:00:06,761] [INFO] [axolotl.core.trainers.base._save:671] [PID:2418] Saving model checkpoint to /workspace/fine-tuning/output/checkpoint-63

                                                                                                                                                         
{'train_runtime': 189.206, 'train_samples_per_second': 5.328, 'train_steps_per_second': 0.333, 'train_loss': 2.3706827390761602, 'memory/max_active (GiB)': 13.15, 'memory/max_allocated (GiB)': 13.15, 'memory/device_reserved (GiB)': 21.66, 'epoch': 3.0}

100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 63/63 [03:09<00:00,  2.87s/it]
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 63/63 [03:09<00:00,  3.00s/it]
[2025-10-22 13:00:08,876] [INFO] [axolotl.train.save_trained_model:218] [PID:2418] Training completed! Saving trained model to /workspace/fine-tuning/output.
[2025-10-22 13:00:09,025] [INFO] [axolotl.train.save_trained_model:336] [PID:2418] Model successfully saved to /workspace/fine-tuning/output