-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathmain_4
1762 lines (1761 loc) · 350 KB
/
main_4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
{ // block 0
var input_ids : LOD_TENSOR.shape(-1, -1).dtype(INT64).stop_gradient(True)
var segment_ids : LOD_TENSOR.shape(-1, -1).dtype(INT64).stop_gradient(True)
var input_mask : LOD_TENSOR.shape(-1, 1, 1, -1).dtype(FP32).stop_gradient(True)
var masked_lm_positions : LOD_TENSOR.shape(-1,).dtype(INT64).stop_gradient(True)
var masked_lm_labels : LOD_TENSOR.shape(-1, 1).dtype(INT64).stop_gradient(True)
var next_sentence_labels : LOD_TENSOR.shape(-1, 1).dtype(INT64).stop_gradient(True)
var masked_lm_scale : LOD_TENSOR.shape(-1, 1).dtype(FP32).stop_gradient(True)
persist trainable param embedding_0.w_0 : LOD_TENSOR.shape(512, 768).dtype(FP32).stop_gradient(False)
persist trainable param embedding_1.w_0 : LOD_TENSOR.shape(2, 768).dtype(FP32).stop_gradient(False)
persist trainable param layer_norm_0.w_0 : LOD_TENSOR.shape(768,).dtype(FP32).stop_gradient(False)
persist trainable param layer_norm_0.b_0 : LOD_TENSOR.shape(768,).dtype(FP32).stop_gradient(False)
persist trainable param linear_0.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_0.b_0 : LOD_TENSOR.shape(768,).dtype(FP32).stop_gradient(False)
persist trainable param linear_1.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
persist trainable param layer_norm_25.w_0 : LOD_TENSOR.shape(768,).dtype(FP32).stop_gradient(False)
persist trainable param layer_norm_25.b_0 : LOD_TENSOR.shape(768,).dtype(FP32).stop_gradient(False)
persist trainable param bert_lm_prediction_head_0.w_0 : LOD_TENSOR.shape(768, 30528).dtype(FP32).stop_gradient(False)
persist trainable param bert_lm_prediction_head_0.b_0 : LOD_TENSOR.shape(30528,).dtype(FP32).stop_gradient(False)
persist trainable param linear_2.w_0 : LOD_TENSOR.shape(768, 2).dtype(FP32).stop_gradient(False)
var full_like_0.tmp_0 : LOD_TENSOR.shape(-1, -1).dtype(INT64).stop_gradient(True)
var cumsum_0.tmp_0 : LOD_TENSOR.shape(-1, -1).dtype(INT64).stop_gradient(False)
var tmp_0 : LOD_TENSOR.shape(-1, -1).dtype(INT64).stop_gradient(True)
persist trainable param embedding_2.w_0 : LOD_TENSOR.shape(7633, 768).dtype(FP32).stop_gradient(False)
var unsqueeze2_0.tmp_0 : LOD_TENSOR.shape(-1, -1, 1).dtype(INT64).stop_gradient(False)
var unsqueeze2_0.tmp_1 : LOD_TENSOR.shape(0, -1, -1).dtype(INT64).stop_gradient(False)
var shard_index_0.tmp_0 : LOD_TENSOR.shape(-1, -1, 1).dtype(INT64).stop_gradient(False)
var squeeze_0.tmp_0 : LOD_TENSOR.shape(-1, -1).dtype(INT64).stop_gradient(False)
var squeeze_0.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 1).dtype(INT64).stop_gradient(False)
var emb_rank_0.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var embedding_3.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var embedding_4.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_26.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_26.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_26.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_3.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_0.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_0.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_0.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_0.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_4.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_1 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
persist trainable param linear_5.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_2 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_1.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_1.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_1.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_1.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_2.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_2.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_2.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_2.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_0.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_3 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_0.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_0.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_3.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_3.tmp_1 : LOD_TENSOR.shape(0, -1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_3.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_3.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_6.w_0 : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_4 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_27.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_27.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_27.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_7.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_0.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_8.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_5 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_28.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_28.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_28.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_9.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_4 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_4.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_4.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_4.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_4.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_10.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_5 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
persist trainable param linear_11.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_6 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_5.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_5.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_5.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_5.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_6.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_6.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_6.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_6.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_1.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_6 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_1.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_1.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_7.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_7.tmp_1 : LOD_TENSOR.shape(0, -1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_7.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_7.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_12.w_0 : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_7 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_29.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_29.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_29.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_13.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_7 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_1.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_14.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_8 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_30.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_30.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_30.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_15.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_8 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_8.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_8.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_8.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_8.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_16.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_9 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
persist trainable param linear_17.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_10 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_9.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_9.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_9.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_9.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_10.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_10.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_10.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_10.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_2.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_9 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_2.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_2.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_11.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_11.tmp_1 : LOD_TENSOR.shape(0, -1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_11.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_11.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_18.w_0 : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_4 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_10 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_31.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_31.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_31.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_19.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_11 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_2.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_20.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_5 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_11 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_32.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_32.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_32.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_21.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_12 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_12.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_12.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_12.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_12.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_22.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_13 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
persist trainable param linear_23.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_14 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_13.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_13.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_13.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_13.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_14.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_14.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_14.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_14.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_3.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_12 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_3.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_3.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_15.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_15.tmp_1 : LOD_TENSOR.shape(0, -1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_15.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_15.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_24.w_0 : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_6 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_13 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_33.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_33.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_33.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_25.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_15 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_3.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_26.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_7 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_14 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_34.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_34.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_34.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_27.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_16 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_16.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_16.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_16.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_16.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_28.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_17 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
persist trainable param linear_29.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_18 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_17.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_17.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_17.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_17.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_18.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_18.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_18.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_18.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_4.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_15 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_4.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_4.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_19.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_19.tmp_1 : LOD_TENSOR.shape(0, -1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_19.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_19.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_30.w_0 : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_8 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_16 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_35.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_35.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_35.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_31.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_19 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_4.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_32.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_9 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_17 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_36.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_36.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_36.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_33.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_20 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_20.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_20.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_20.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_20.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_34.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_21 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
persist trainable param linear_35.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_22 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_21.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_21.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_21.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_21.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_22.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_22.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_22.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_22.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_5.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_18 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_5.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_5.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_23.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_23.tmp_1 : LOD_TENSOR.shape(0, -1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_23.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_23.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_36.w_0 : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_10 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_19 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_37.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_37.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_37.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_37.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_23 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_5.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_38.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_11 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_20 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_38.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_38.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_38.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_39.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_24 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_24.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_24.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_24.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_24.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_40.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_25 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
persist trainable param linear_41.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_26 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_25.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_25.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_25.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_25.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_26.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_26.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_26.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_26.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_6.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_21 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_6.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_6.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_27.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_27.tmp_1 : LOD_TENSOR.shape(0, -1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_27.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_27.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_42.w_0 : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_12 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_22 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_39.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_39.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_39.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_43.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_27 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_6.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_44.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_13 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_23 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_40.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_40.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_40.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_45.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_28 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_28.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_28.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_28.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_28.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_46.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_29 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
persist trainable param linear_47.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_30 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_29.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_29.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_29.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_29.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_30.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_30.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_30.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_30.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_7.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_24 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_7.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_7.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_31.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_31.tmp_1 : LOD_TENSOR.shape(0, -1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_31.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_31.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_48.w_0 : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_14 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_25 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_41.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_41.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_41.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_49.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_31 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_7.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_50.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_15 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_26 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_42.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_42.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_42.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_51.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_32 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_32.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_32.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_32.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_32.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_52.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_33 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
persist trainable param linear_53.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_34 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_33.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_33.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_33.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_33.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_34.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_34.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_34.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_34.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_8.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_27 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_8.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_8.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_35.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_35.tmp_1 : LOD_TENSOR.shape(0, -1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_35.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_35.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_54.w_0 : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_16 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_28 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_43.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_43.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_43.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_55.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_35 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_8.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_56.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_17 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_29 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_44.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_44.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_44.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_57.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_36 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_36.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_36.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_36.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_36.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_58.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_37 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
persist trainable param linear_59.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_38 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_37.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_37.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_37.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_37.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_38.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_38.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_38.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_38.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_9.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_30 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_9.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_9.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_39.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_39.tmp_1 : LOD_TENSOR.shape(0, -1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_39.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_39.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_60.w_0 : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_18 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_31 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_45.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_45.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_45.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_61.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_39 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_9.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_62.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_19 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_32 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_46.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_46.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_46.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_63.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_40 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_40.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_40.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_40.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_40.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_64.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_41 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
persist trainable param linear_65.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_42 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_41.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_41.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_41.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_41.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_42.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_42.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_42.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_42.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_10.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_33 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_10.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_10.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_43.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_43.tmp_1 : LOD_TENSOR.shape(0, -1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_43.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_43.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_66.w_0 : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_20 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_34 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_47.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_47.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_47.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_67.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_43 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_10.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_68.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_21 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_35 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_48.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_48.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_48.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_69.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_44 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_44.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_44.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_44.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_44.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_70.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_45 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
persist trainable param linear_71.w_0 : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_46 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_45.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_45.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_45.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_45.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_46.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_46.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_46.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_46.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_11.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_36 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_11.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_11.tmp_0 : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_47.tmp_0 : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_47.tmp_1 : LOD_TENSOR.shape(0, -1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_47.tmp_0 : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_47.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 3, 64).dtype(FP32).stop_gradient(False)
persist trainable param linear_72.w_0 : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_22 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_37 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_49.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_49.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_49.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_73.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_47 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_11.tmp_0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
persist trainable param linear_74.w_0 : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_23 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_38 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_50.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_50.tmp_1 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(True)
var layer_norm_50.tmp_2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_50.tmp_2_slice_0 : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var linear_75.tmp_0 : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var linear_75.tmp_1 : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var tanh_1.tmp_0 : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var reshape2_48.tmp_0 : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var reshape2_48.tmp_1 : LOD_TENSOR.shape(0, -1, -1, 768).dtype(FP32).stop_gradient(False)
var gather_0.tmp_0 : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var linear_76.tmp_0 : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var gelu_12.tmp_0 : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var matmul_v2_12.tmp_0 : LOD_TENSOR.shape(-1, 30528).dtype(FP32).stop_gradient(False)
var tmp_39 : LOD_TENSOR.shape(-1, 30528).dtype(FP32).stop_gradient(False)
var linear_77.tmp_0 : LOD_TENSOR.shape(-1, 2).dtype(FP32).stop_gradient(False)
var softmax_with_cross_entropy_0.tmp_0 : LOD_TENSOR.shape(-1, 30528).dtype(FP32).stop_gradient(False)
var softmax_with_cross_entropy_0.tmp_1 : LOD_TENSOR.shape(-1, 1).dtype(FP32).stop_gradient(False)
var tmp_40 : LOD_TENSOR.shape(-1, 1).dtype(FP32).stop_gradient(False)
var softmax_with_cross_entropy_1.tmp_0 : LOD_TENSOR.shape(-1, 2).dtype(FP32).stop_gradient(False)
var softmax_with_cross_entropy_1.tmp_1 : LOD_TENSOR.shape(-1, 1).dtype(FP32).stop_gradient(False)
var sum_0.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(False)
var mean_0.tmp_0 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(False)
var tmp_41 : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(False)
var embedding_2.w_0@GRAD : LOD_TENSOR.shape(7633, 768).dtype(FP32).stop_gradient(False)
var embedding_0.w_0@GRAD : LOD_TENSOR.shape(512, 768).dtype(FP32).stop_gradient(False)
var embedding_1.w_0@GRAD : LOD_TENSOR.shape(2, 768).dtype(FP32).stop_gradient(False)
var emb_rank_0.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var embedding_4.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_1@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_0.w_0@GRAD : LOD_TENSOR.shape(768,).dtype(FP32).stop_gradient(False)
var layer_norm_26.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_3.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_0.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var linear_4.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var linear_5.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_2.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_0.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var tmp_3@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var transpose_2.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var matmul_v2_0.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_3.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var linear_6.w_0@GRAD : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var reshape2_3.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_26.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_27.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_27.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_3@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_27.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_4@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_4.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var linear_10.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var linear_11.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_6@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_6.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_4.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var matmul_1.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_1.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var linear_12.w_0@GRAD : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var layer_norm_28.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_7@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_29.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_13.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var layer_norm_29.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_7@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_14.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var gelu_1.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_29.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_15.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_8@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_8.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var layer_norm_26.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_16.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var linear_17.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_10@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var matmul_v2_1.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_9.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_8.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_10.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var softmax_2.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_2.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var linear_18.w_0@GRAD : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var reshape2_11.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_4@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_30.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_31.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_11@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_20.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_5@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_32.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_32.tmp_2@GRAD@RENAME@block0@3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_12@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var linear_23.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var layer_norm_32.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_13@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_14.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_13.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var matmul_3.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_v2_3.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var tmp_9@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var linear_24.w_0@GRAD : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var reshape2_15.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var layer_norm_32.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_13@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_25.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var layer_norm_33.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_15@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_26.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var gelu_3.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_7@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_26.tmp_2@GRAD@RENAME@block0@3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_33.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_27.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_16@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_16.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var linear_28.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var layer_norm_34.tmp_2@GRAD@RENAME@block0@2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_17.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_18@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_17.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_7.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_16.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var matmul_4.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var softmax_4.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var transpose_19.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_19.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_8@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_16@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_21.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var linear_31.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var linear_29.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var layer_norm_35.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_19@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_32.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var reshape2_24.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var layer_norm_28.tmp_2@GRAD@RENAME@block0@3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_30.tmp_2@GRAD@RENAME@block0@3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_41@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var linear_48.w_0@GRAD : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_3@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_8.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var tmp_6@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_45@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_19@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_21@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_46@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_31.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_38.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var tmp_18@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var layer_norm_30.tmp_2@GRAD@RENAME@block0@2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_5@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_34.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_9@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_62.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_12@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var embedding_3.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_0.b_0@GRAD : LOD_TENSOR.shape(768,).dtype(FP32).stop_gradient(False)
var reshape2_32.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var linear_33.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var tmp_32@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_2.w_0@GRAD : LOD_TENSOR.shape(768, 2).dtype(FP32).stop_gradient(False)
var transpose_40.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var linear_73.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var reshape2_40.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_22@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var tmp_28@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var sum_0.tmp_0@GRAD : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(False)
var linear_64.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var layer_norm_30.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_17@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var tmp_39@GRAD : LOD_TENSOR.shape(-1, 30528).dtype(FP32).stop_gradient(False)
var layer_norm_36.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var matmul_7.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var transpose_30.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_38@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var layer_norm_38.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_53.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var reshape2_5.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var linear_77.tmp_0@GRAD : LOD_TENSOR.shape(-1, 2).dtype(FP32).stop_gradient(False)
var tmp_14@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_25@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_47.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_28.tmp_2@GRAD@RENAME@block0@2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_42.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var gelu_6.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_44.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_33@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var linear_37.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var linear_30.w_0@GRAD : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var linear_35.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var gelu_0.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_13.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_9@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var linear_34.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_14@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var layer_norm_47.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_12@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_20@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_76.tmp_0@GRAD : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var matmul_v2_9.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_22.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_47@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_35.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_40.tmp_2@GRAD@RENAME@block0@2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_42@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var linear_42.w_0@GRAD : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var matmul_v2_4.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_23@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_28.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_29@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var tmp_15@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var linear_56.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var layer_norm_43.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_10@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var transpose_18.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var layer_norm_32.tmp_2@GRAD@RENAME@block0@2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_66.w_0@GRAD : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var transpose_14.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var linear_43.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var softmax_with_cross_entropy_0.tmp_1@GRAD : LOD_TENSOR.shape(-1, 1).dtype(FP32).stop_gradient(False)
var reshape2_37.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var layer_norm_31.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_34.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_65.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_34@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var layer_norm_28.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_26@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var layer_norm_39.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_9.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var layer_norm_48.tmp_2@GRAD@RENAME@block0@2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_51.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var layer_norm_44.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var softmax_0.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var gelu_11.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_26.tmp_2@GRAD@RENAME@block0@2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_21.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_21@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_34.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var linear_9.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var layer_norm_35.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tanh_1.tmp_0@GRAD : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var reshape2_18.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var gather_0.tmp_0@GRAD : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var bert_lm_prediction_head_0.w_0@GRAD : LOD_TENSOR.shape(768, 30528).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_22@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_36.w_0@GRAD : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var linear_61.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var layer_norm_0.b_0@GRAD : LOD_TENSOR.shape(768,).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_6@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_75.tmp_1@GRAD : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var linear_22.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var tmp_31@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_43@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_30.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var layer_norm_31.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_25.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var softmax_3.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var layer_norm_40.tmp_2@GRAD@RENAME@block0@3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var bert_lm_prediction_head_0.b_0@GRAD : LOD_TENSOR.shape(30528,).dtype(FP32).stop_gradient(False)
var gelu_9.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_32@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var tmp_33@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_1@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var tmp_30@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var reshape2_7.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var matmul_2.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var transpose_24.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var gelu_2.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var transpose_12.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_1@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_48.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_39.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_37@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var layer_norm_33.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_50.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var matmul_0.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_24@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var layer_norm_46.tmp_2@GRAD@RENAME@block0@3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_11@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_42.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_11@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_24@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_4@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var transpose_20.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var tmp_36@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var transpose_11.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var layer_norm_38.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_1.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var layer_norm_44.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_37.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_17@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_16@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_49.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var layer_norm_48.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var transpose_6.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var layer_norm_49.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var transpose_37.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var layer_norm_43.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_37@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_20.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_5@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var tmp_10@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_34@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_0.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var layer_norm_45.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_41@GRAD : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(False)
var mean_0.tmp_0@GRAD : LOD_TENSOR.shape(1,).dtype(FP32).stop_gradient(False)
var layer_norm_44.tmp_2@GRAD@RENAME@block0@2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_29@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_40@GRAD : LOD_TENSOR.shape(-1, 1).dtype(FP32).stop_gradient(False)
var matmul_v2_12.tmp_0@GRAD : LOD_TENSOR.shape(-1, 30528).dtype(FP32).stop_gradient(False)
var transpose_45.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_45.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var gelu_12.tmp_0@GRAD : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var linear_1.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var reshape2_48.tmp_0@GRAD : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var linear_75.tmp_0@GRAD : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_50.tmp_2_slice_0@GRAD : LOD_TENSOR.shape(-1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_50.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_50.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_38@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_74.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var layer_norm_49.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_27@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_17@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_47.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var linear_69.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var linear_72.w_0@GRAD : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var transpose_47.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var layer_norm_47.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_57.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var layer_norm_30.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var matmul_v2_11.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var softmax_11.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var transpose_46.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var matmul_11.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var gelu_7.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var transpose_44.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var layer_norm_34.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var transpose_26.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_46.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var linear_70.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var layer_norm_49.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_44.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_44@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var linear_55.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var layer_norm_48.tmp_2@GRAD@RENAME@block0@3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_35@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_21@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_10.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_68.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_15@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_67.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var layer_norm_46.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var softmax_5.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var reshape2_43.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_36.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_43.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_v2_10.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_27@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_10.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var softmax_10.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var transpose_42.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_41.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_41.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_8.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var tmp_8@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_46.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_46.tmp_2@GRAD@RENAME@block0@2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_40@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var linear_63.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var linear_38.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var layer_norm_46.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_45.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var softmax_with_cross_entropy_1.tmp_1@GRAD : LOD_TENSOR.shape(-1, 1).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_39@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_45.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_7.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_18@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_60.w_0@GRAD : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var transpose_32.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_39.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var softmax_9.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_9.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_23@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_59.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var reshape2_33.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var layer_norm_48.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_58.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var reshape2_36.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_44.tmp_2@GRAD@RENAME@block0@3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var gelu_8.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_35@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_43.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_54.w_0@GRAD : LOD_TENSOR.shape(192, 768).dtype(FP32).stop_gradient(False)
var transpose_35.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var reshape2_26.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_v2_8.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var gelu_4.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var softmax_8.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var transpose_34.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var transpose_33.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var layer_norm_42.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_52.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var layer_norm_42.tmp_2@GRAD@RENAME@block0@3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var matmul_v2_6.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var layer_norm_42.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_71.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var tmp_26@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var matmul_5.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var layer_norm_41.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_50.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_31@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_41.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_42.tmp_2@GRAD@RENAME@block0@2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_41.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_40.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_14@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_31.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_29.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var reshape2_12.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var matmul_v2_7.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var softmax_7.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var linear_45.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var layer_norm_37.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var transpose_28.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_30@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_35.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var reshape2_29.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var layer_norm_40.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_38.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var linear_47.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var linear_46.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var reshape2_28.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_28@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var layer_norm_40.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_23@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_13@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_34.tmp_2@GRAD@RENAME@block0@3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_44.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var transpose_27.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var layer_norm_36.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_39.tmp_2@GRAD@RENAME@block0@1 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_22@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_39.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_27.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var softmax_6.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var matmul_6.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var transpose_25.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var matmul_10.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, -1).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_25@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var gelu_5.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_row_rank_0.tmp_20@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_41.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var layer_norm_38.tmp_2@GRAD@RENAME@block0@2 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var transpose_1.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var linear_40.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var layer_norm_38.tmp_2@GRAD@RENAME@block0@3 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var linear_39.w_0@GRAD : LOD_TENSOR.shape(768, 192).dtype(FP32).stop_gradient(False)
var transpose_5.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)
var layer_norm_38.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var fc_by_col_rank_0.tmp_36@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var layer_norm_37.tmp_2@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var tmp_19@GRAD : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var layer_norm_36.tmp_2@GRAD@RENAME@block0@0 : LOD_TENSOR.shape(-1, -1, 768).dtype(FP32).stop_gradient(False)
var reshape2_23.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 192).dtype(FP32).stop_gradient(False)
var transpose_15.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var transpose_23.tmp_0@GRAD : LOD_TENSOR.shape(-1, -1, 3, 64).dtype(FP32).stop_gradient(False)
var linear_19.w_0@GRAD : LOD_TENSOR.shape(768, 768).dtype(FP32).stop_gradient(False)
var matmul_v2_5.tmp_0@GRAD : LOD_TENSOR.shape(-1, 3, -1, 64).dtype(FP32).stop_gradient(False)