VolgendeVolgende gids
Beïnvloedingsfuncties voor attributie van trainingsgegevens
Technisch
Technische GIDS
GPTQ en AWQ zijn twee toonaangevende methoden om reeds getrainde taalmodellen terug te brengen tot een precisie van 4 bits, zodat ze op goedkopere, kleinere hardware kunnen draaien.
Luister naar deze gidsAI-verteld · ~2 min
Daarom kunt u een capabel model op een enkele consumenten-GPU draaien in plaats van op een datacenterrek.
Post-training kwantisering (PTQ) comprimeert een voltooid model zonder het opnieuw te trainen, waarbij zeer nauwkeurige gewichten tot op 4 bits in kaart worden gebracht, waardoor het geheugen grofweg op een kwart wordt verdeeld. De uitdaging is om dit te doen zonder de nauwkeurigheid te schaden. GPTQ (een verfijning van OBQ) kwantiseert gewichten laag voor laag, waarbij gebruik wordt gemaakt van tweede-orde-informatie uit een kleine kalibratiegegevensset om de resterende gewichten aan te passen en elke afrondingsfout te compenseren. AWQ (Activation-aware Weight Quantization) hanteert een andere invalshoek: het constateert dat een klein deel van de gewichtskanalen onevenredig belangrijk is, geïdentificeerd door te kijken naar de activeringsgrootheden, en beschermt die opvallende kanalen door ze te schalen in plaats van ze agressief te kwantiseren. Beide laten modellen als Llama in 4-bit draaien, en tools als vLLM, llama.cpp en AutoGPTQ hebben ze mainstream gemaakt voor lokale en kostenefficiënte gevolgtrekkingen.
Een Llama-model met 70 miljard parameters uitvoeren op een enkele consumenten-GPU van 24 GB met behulp van 4-bit GPTQ-gewichten.
AWQ-gekwantiseerde modellen dienden met een hoge doorvoer in vLLM voor kostenefficiënte productie-API's.
llama.cpp gebruikt gekwantiseerde GGUF-gewichten om taalmodellen lokaal op de CPU van een laptop uit te voeren.
Met de AutoGPTQ- en AutoAWQ-bibliotheken van Hugging Face kunnen ontwikkelaars een gedownload model in een paar regels code kwantiseren.
Kwantisering gaat onder de 4 bits richting 3-bits, 2-bits en gemengde-precisieschema's, vaak gecombineerd met spaarzaamheid. Verwacht een nauwere koppeling met ondersteunende motoren, zodat kwantisering, KV-cache-compressie en speculatieve decodering samenwerken. Hardwareondersteuning voor low-bit-formaten zoals NVFP4 en MXFP4 wordt steeds volwassener, en geautomatiseerde tools zullen steeds vaker bitbreedtes per laag kiezen. Het brede doel is standaard vrijwel verliesvrij 4-bit (en lager), waardoor sterke modellen goedkoop overal te gebruiken zijn.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
GPTQ en AWQ zijn twee toonaangevende methoden om reeds getrainde taalmodellen terug te brengen tot een precisie van 4 bits, zodat ze op goedkopere, kleinere hardware kunnen draaien. Daarom kunt u een capabel model op een enkele consumenten-GPU draaien in plaats van op een datacenterrek.
Kwantisering na de training vermindert de precisie van de gewichten van een voltooid model (bijvoorbeeld tot 4 bits) zonder het helemaal opnieuw te hoeven trainen.
GPTQ gebruikt een geschatte Hessiaan om te begrijpen hoe het kwantificeren van één gewicht het verlies beïnvloedt, en past vervolgens de resterende gewichten aan om dit te compenseren.
AWQ identificeert opvallende gewichtskanalen met behulp van activeringsgrootten en beschermt ze via schaling, omdat een paar kanalen onevenredig belangrijk zijn.
Als u van 16 bits naar 4 bits per gewicht gaat, wordt het gewichtsgeheugen teruggebracht tot ongeveer een kwart, wat grofweg een viervoudige reductie is.
Gewichten vormen de belangrijkste geheugenkosten, terwijl activeringen gevoeliger zijn voor precisieverlies, dus kwantisering op basis van alleen gewicht is de gebruikelijke goede plek.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
Beïnvloedingsfuncties voor attributie van trainingsgegevens
Technisch