混元模型量化

混元模型量化#

混元模型主要采用 FP8、Int4-GPTQ、Int4-AWQ 三种方案进行模型压缩

FP8量化#

FP8 量化采用 8 位浮点格式，通过少量校准数据（无需训练）预先确定全局缩放因子，将模型权重与激活值永久转换为FP8格式，提升推理效率并降低部署门槛。

您可以量化AngelSlim/configs/hunyuan下面带有fp8字段的模型类型，你也可以直接下载我们量化完成的开源模型使用：Hunyuan

配置#

FP8 confg.yaml文件参数配置，您可以参考config/hunyuan/fp8_static路径下的文件，下面是参数信息介绍。

  • name：压缩策略，选填量化quantization。

  • quantization.name：压缩算法选填fp8_static。

  • quantization.bits：量化比特数，目前支持8bit。

  • quantization.quant_method：主要指定权重的量化粒度，FP8为per-tensor。

  • quantization.ignore_layers：指定模型中不需要量化的层。

FP8量化#

您可以通过下面代码启动 FP8 量化流程

python3 tools/run.py -c configs/hunyuan/fp8_static/hunyuan_a13b_fp8_static.yaml

部署#

要使用 vLLM 运行 FP8 模型，您可以修改AngelSlim/scripts/deploy/run_vllm.sh中的MODEL_PATH字段后通过以下命令使用：

cd AngelSlim/scripts/deploy
sh run_vllm.sh

GPTQ量化#

Int4-GPTQ 算法实现 Int4-weight-only 量化，该算法逐层处理模型权重，利用少量校准数据最小化量化后的权重重构误差，通过近似Hessian逆矩阵的优化过程逐层调整权重。流程无需重新训练模型，仅需少量校准数据即可量化权重，提升推理效率并降低部署门槛。

您可以量化AngelSlim/configs/hunyuan下面带有gptq字段的模型类型，你也可以直接下载我们量化完成的开源模型使用：Hunyuan

配置#

GPTQ confg.yaml文件参数配置，您可以参考config/hunyuan/int4_gptq路径下的文件，下面是参数信息介绍。

  • name：压缩策略，选填量化quantization。

  • quantization.name：压缩算法选填int4_gptq。

  • quantization.bits：量化比特数，目前支持4bit和8bit。

  • quantization.quant_method：主要指定权重的量化粒度，GPTQ为per-group。

  • quantization.quant_method.group_size：对整个权重矩阵量化时的每一组group的大小，通常为128和64。

  • quantization.ignore_layers：指定模型中不需要量化的层。

INT4-GPTQ量化#

您可以通过下面代码启动 GPTQ 量化流程

python3 tools/run.py -c configs/hunyuan/int4_gptq/hunyuan_a13b_int4_gptq.yaml

部署#

要使用 vLLM 运行 GPTQ 模型，您可以修改AngelSlim/scripts/deploy/run_vllm.sh中的MODEL_PATH字段后通过以下命令使用：

cd AngelSlim/scripts/deploy
sh run_vllm.sh

AWQ量化#

Int4-AWQ 算法实现 Int4-weight-only 量化，算法通过少量校准数据（无需训练）统计激活值的幅度，对每个权重通道计算一个缩放系数s，放大重要权重的数值范围，使其在量化时保留更多信息。流程无需重新训练模型，仅需少量校准数据即可确定缩放系数，适合快速部署。

您可以量化AngelSlim/configs下面带有awq字段的模型类型，你也可以直接下载我们量化完成的开源模型使用：Hunyuan

配置#

AWQ confg.yaml文件参数配置，您可以参考config/hunyuan/int4_awq路径下的文件，下面是参数信息介绍。

  • name：压缩策略，选填量化quantization。

  • quantization.name：压缩算法选填int4_awq。

  • quantization.bits：量化比特数，目前支持4bit和8bit。

  • quantization.quant_method：主要指定权重和激活的量化粒度，AWQ为per-group等。

  • quantization.quant_method.group_size：对整个权重矩阵量化时的每一组的channel的大小，通常为128和64。

  • quantization.quant_method.zero_point：是否使用非对称量化，推荐设置true开启。

  • quantization.quant_method.mse_range：是否开启AWQ中的自动clip权重功能，推荐设置false。

INT4-AWQ量化#

您可以通过下面代码启动 AWQ 量化流程

python3 tools/run.py -c configs/hunyuan/int4_awq/hunyuan_a13b_int4_awq.yaml

部署#

要使用 vLLM 运行 AWQ 模型，您可以修改AngelSlim/scripts/deploy/run_vllm.sh中的MODEL_PATH字段后通过以下命令使用：

cd AngelSlim/scripts/deploy
sh run_vllm.sh
目录