模型信息

使用 torch.float32 进行量化调优的 HuggingFaceTB/SmolLM2-1.7B 量化版本。

• 4 位 (INT4)
• 分组大小 = 128
• 对称量化
• 量化方法 WoQ (AutoRound 格式)

快速且低内存占用，2-3 倍加速（W4G128 时精度略有下降）

量化框架：Intel AutoRound v0.4.2

注意：此 SmolLM2-1.7B 的 INT4 版本已量化，可通过 CPU 运行推理。

复现方法

步骤 1 安装依赖

建议将依赖安装到专用的 python-virtualenv 或 conda 环境中。

python -m pip install <package> --upgrade

• accelerate==1.2.0
• autoawq==0.2.7.post3
• auto_gptq==0.7.1
• neural_compressor==3.1.1
• torch==2.4.1+cpu
• torchaudio==2.4.1+cpu
• torchvision==0.19.1+cpu
• transformers==4.47.0

步骤 2 从源码构建 Intel Autoround wheel 包

python -m pip install git+https://github.com/intel/auto-round.git

步骤 3 量化脚本

  from transformers import AutoModelForCausalLM, AutoTokenizer
  model_name = \"HuggingFaceTB/SmolLM2-1.7B\"
  model = AutoModelForCausalLM.from_pretrained(model_name)
  tokenizer = AutoTokenizer.from_pretrained(model_name)
  from auto_round import AutoRound
  bits, group_size, sym, device, amp = 4, 128, True, 'cpu', False
  autoround = AutoRound(model, tokenizer, nsamples=128, iters=200, seqlen=512, batch_size=4, bits=bits, group_size=group_size, sym=sym, device=device, amp=amp)
  autoround.quantize()
  output_dir = \"./AutoRound/HuggingFaceTB_SmolLM2-1.7B-auto_round-int4-gs128-sym\"
  autoround.save_quantized(output_dir, format='auto_round', inplace=True)

许可证

Apache 2.0 许可证

免责声明

此量化模型不提供任何担保。仅供研究目的开发使用。