模型信息

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

• 8 位 (INT8)
• 分组大小 = 128
• 非对称量化
• 方法 WoQ (AutoRound 格式)

快速且低内存占用，2-3 倍加速 (W8G128 时精度略有下降)

量化框架: Intel AutoRound v0.4.5

注意: 此 SmolLM2-1.7B 的 INT8 版本已量化，可通过 CPU 运行推理。

复现指南

步骤 1 安装依赖

建议将依赖安装到专用的 Python 虚拟环境或 conda 环境中。

wget https://github.com/intel/auto-round/archive/refs/tags/v0.4.5.tar.gz
tar -xvzf v0.4.5.tar.gz
cd auto-round-0.4.5
pip install -r requirements-cpu.txt --upgrade

步骤 2 从源码构建 Intel AutoRound wheel 包

pip install -vvv --no-build-isolation -e .[cpu]

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 = 8, 128, False, '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-int8-gs128-asym\"
  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。