msModelSlim 推荐实践集

msModelSlim 推荐实践集提供了各种大语言模型、多模态理解模型和多模态生成模型的量化实践案例，帮助用户快速上手模型量化功能。

目录结构

大语言模型量化说明

• DeepSeek - DeepSeek 系列模型量化说明
• GLM - GLM 系列模型量化说明
• GPT-NeoX - GPT-NeoX 系列模型量化说明
• HunYuan - HunYuan 系列模型量化说明
• InternLM2 - InternLM2 系列模型量化说明
• Llama - LLaMA 系列模型量化说明
• Qwen - Qwen 系列模型量化说明
• Qwen3_5 - Qwen3.5 系列模型量化说明
• Qwen3-MOE - Qwen3-MOE 系列模型量化说明
• Qwen3-Next - Qwen3-Next 系列模型量化说明

多模态理解模型量化说明

• multimodal_vlm - 多模态理解模型量化说明
  • LLaVA 系列模型
  • Qwen-VL 系列模型
  • InternVL2 系列模型
  • Qwen2-VL 系列模型
  • Qwen2.5-VL 系列模型
  • Qwen2.5-Omni 系列模型
  • Qwen3-VL 系列模型
  • Qwen3-VL-MoE 系列模型
  • GLM-4.1V 系列模型
  • Qwen3-Omni 系列模型
  • GLM-4.6V 模型

多模态生成模型量化说明

• multimodal_sd - 多模态生成模型量化说明
  • Stable Diffusion 系列模型
  • Flux 系列模型
  • HunYuanVideo 系列模型
  • OpenSoraPlanV1_2 系列模型
  • Wan2.1 系列模型

其他功能

• common - 通用工具和校准数据
• osp1_2 - OpenSora Plan 1.2 相关功能
• ms_to_vllm.py - msModelSlim 到 vLLM 格式转换工具

使用前准备

• 安装 msModelSlim 工具，详情请参见《msModelSlim工具安装指南》。
• 不同模型系列可能依赖特定的版本，请参考各模型目录下的具体说明。

使用多卡量化功能

重要提醒：Atlas 300I Duo 卡仅支持单卡单芯片处理器量化。

如需使用 NPU 多卡量化，请先配置环境变量：

export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
export PYTORCH_NPU_ALLOC_CONF=expandable_segments:False

deq_scale 转 int64 后处理（deqscale2int64.py）

当模型默认 torch_dtype 为 bf16 时，AscendV1 保存器会将 deq_scale 以 float32 原样写入；若推理侧需要 int64 格式的 deq_scale（与算子适配），可使用本脚本对已保存的量化权重做后处理，将权重中的 deq_scale 从 float32/bf16 转为 int64（与 ascendv1 非 bf16 保存时的格式一致）。脚本不依赖 NPU，支持单文件与分片两种权重布局。

使用场景：

• 量化时使用 bf16 默认保存，希望得到 int64 格式的 deq_scale 以便在 MindIE / vLLM Ascend 等推理侧使用。
• 对已有 AscendV1 量化目录做一次性转换，无需重新量化。

命令示例：

# 进入示例目录（或在项目根目录下将下方路径改为 example/multimodal_vlm/Qwen3-VL/deqscale2int64.py）
cd example/multimodal_vlm/Qwen3-VL

# 原地转换（直接覆盖原权重目录中的 safetensors 文件）
python deqscale2int64.py --model_path {量化权重目录路径}

# 输出到新目录（保留原目录不变，并复制 config、描述文件等）
python deqscale2int64.py --model_path {量化权重目录路径} --output_dir {输出目录路径}

# 仅查看将转换的 key，不写文件
python deqscale2int64.py --model_path {量化权重目录路径} --dry_run

参数说明：

参数名	含义	默认值	说明
model_path	量化权重目录	必填	须包含 quant_model_description.json 以及 quant_model_weights.safetensors（单文件）或 quant_model_weights.safetensors.index.json + 分片文件。
output_dir	输出目录	与 model_path 相同	不指定则原地覆盖；指定则先拷贝完整目录再在输出目录内做转换。
dry_run	仅预览不写入	False	加 --dry_run 时只打印会被转换的 deq_scale key 及数量，不修改任何文件。

脚本会优先根据 quant_model_description.json 中类型为 W8A8/W8A8_MIX 的 .deq_scale 键识别待转换项；若无描述或未匹配到，则按 key 名（含 .deq_scale）及 dtype（float32/bf16）识别。已是 int64 的 deq_scale 会跳过。