首页
Python
Java
前端
数据库
Linux
Chatgpt专题
开发者工具箱
fp8专题
大模型量化技术原理:FP8
近年来,随着Transformer、MOE架构的提出,使得深度学习模型轻松突破上万亿规模参数,从而导致模型变得越来越大,因此,我们需要一些大模型压缩技术来降低模型部署的成本,并提升模型的推理性能。 模型压缩主要分为如下几类: 剪枝(Pruning)知识蒸馏(Knowledge Distillation)量化Quantization) 本系列将针对一些常见大模型量化方案(GPTQ、LLM.int
阅读更多...
vllm 使用FP8运行模型
简介 vLLM 支持使用硬件加速在 GPU 上进行 FP8(8 位浮点)计算,例如 Nvidia H100 和 AMD MI300x。目前,仅支持 Hopper 和 Ada Lovelace GPU。使用 FP8 对模型进行量化可以将模型内存需求减少 2 倍,并在对准确性影响极小的情况下将吞吐量提高最多 1.6 倍。 FP8 类型有两种不同的表示形式,每种形式在不同场景中都有用: E4M3:
阅读更多...
StableDiffusion Web UI开启FP8,极大节约显存
升级了Pytorch后,StableDiffusion最新版本就可以有使用FP8的基础了,因此把秋叶的LINUX包也升级到了最新的版本。 升级Pytorch参考我的升级记录: ComfyUI SDWebUI升级pytorch随记-CSDN博客 然后下一步就是如何开启FP8了。与ComfyUI不同,SDWebUI不是通过启动参数来开启,而是在配置界面找到这个位置: 记得点保存生效。
阅读更多...