AMCT大模型量化

1 量化前提

1.1 安装依赖

本sample依赖包可参考requirements.txt

需要注意的是torch_npu包版本需要与Python、torch包版本相匹配，需要安装CANN包

1.2 模型和数据集准备

本sample以Llama2-7b，qwen2-7b，qwen3-8b模型，pileval数据，wikitext2数据集为示例。 模型请用户自行下载，并传模型路径到脚本，数据集为在线加载。

1.3 简易量化配置

本sample中使用的量化配置已经内置在工具中，可以通过下述方式获取并使用：

from amct_pytorch import HIFP8_OFMR_CFG

如果需要修改详细配置，请参考资料构造需要的量化配置dict。

ofmr算法支持仅权重量化和全量化，支持的量化类型以及量化配置：

字段	类型	说明	取值范围	注意事项
batch_num	uint32	量化使用的batch数量	1	/
skip_layers	str	跳过量化的层	/	跳过量化层支持模糊匹配，当配置字符串为层名字串，或与层名一致时，跳过该层量化，不生成量化配置。字符串必须包含数字或字母
weights.type	str	量化后权重类型	'float8_e4m3fn'/'hifloat8'	/
weights.symmtric	bool	对称量化	TRUE	/
weights.strategy	str	量化粒度	'tensor'/'channel'	/
inputs.type	str	量化后激活值类型	'float8_e4m3fn'/'hifloat8'	/
inputs.symmtric	bool	对称量化	TRUE	/
inputs.strategy	str	量化粒度	'tensor'	/
algorithm	dict	量化使用的算法配置	{'ofmr'}	/

2 量化示例

2.1 使用接口方式调用

step 1. 请在当前目录执行如下命令运行示例程序，用户需根据实际情况修改示例程序中的模型路径：

python3 src/run_llama2_samples.py --model_path=/data/Llama2_7b_hf/

python3 src/run_qwen_samples.py --model_path=/data/Qwen2-7b/

python3 src/run_qwen_samples.py --model_path=/data/Qwen3-8B/

若出现如下信息，则说明量化成功：

Test time taken:  1.0 min  59.24865388870239 s
Score:  5.477707

其中Score为量化模型PPL，具体数值参考下表：

模型	校准集	数据集	量化前PPL	量化后PPL
LLAMA2-7B	pileval	wikitext2	5.472	5.505
QWEN2-7B	pileval	wikitext2	7.137	7.196
QWEN3-8B	pileval	wikitext2	9.715	9.808

推理成功后，在当前目录会生成量化日志文件./amct_log/amct_pytorch.log