SqueezeLLM

SqueezeLLM

硬件资源优化下的大语言模型量化服务

SqueezeLLM通过密集与稀疏量化方法降低大语言模型的内存占用并提升性能,将权重矩阵拆分为易量化的密集组件和保留关键部分的稀疏组件,实现更小内存占用、相同延迟和更高精度。支持包括LLaMA、Vicuna和XGen在内的多个热门模型,提供3位和4位量化选项,适用于不同稀疏度水平。最新更新涵盖Mistral模型支持和自定义模型量化代码发布。

SqueezeLLM量化大语言模型内存优化模型压缩Github开源项目

项目介绍:SqueezeLLM —— 高效的大模型量化框架

SqueezeLLM是一个专为提升大语言模型(LLM)服务效率而研发的后训练量化框架。这个项目采用了一种全新的名为“密集与稀疏量化”的方法,以解决大模型部署时所面临的内存瓶颈问题。

背景与挑战

大语言模型(LLM)以其庞大的参数量而著称,形成了极大的内存占用,这对模型的部署和服务效率提出了巨大的挑战。减少精度的量化方法因此被引入,希望通过降低模型权重的存储需求来减轻内存负担。然而,传统粗糙的量化方式往往会导致模型性能的严重下降,这成为了一个亟待解决的问题。

密集与稀疏量化方法

SqueezeLLM提出的“密集与稀疏量化”将权重矩阵分为了两个部分:密集部分和稀疏部分。密集部分可以进行较重度的量化处理而不影响整体性能,而稀疏部分则保留了敏感的和极值的权重信息,从而保证了模型的准确性。

这一创新性的量化策略允许在明显减小内存占用的同时,保持甚至提升模型的准确率和质量。在实验中,与FP16基线模型相比,使用相同或更小内存的SqueezeLLM模型变体在MMLU测试上取得了高达2%的性能提升。

实用成果与支持模型

目前,SqueezeLLM支持多款流行的大模型,包括LLaMA系列(7B至65B)、LLaMA-2(7B和13B)、经过指令调优的Vicuna(7B和13B)、XGen(7B,支持8k序列长度)以及OPT系列(1.3B至30B)。这些模型都可以分别在不同的比特宽度(3-bit 和 4-bit)以及稀疏级别下(0% 到 0.45%)进行量化。

这一框架的开放性和灵活性也体现在支持用户自定义模型的量化能力上,有关详细流程可以参考项目的代码库

进展与生态系统集成

目前,SqueezeLLM的密集与稀疏量化代码已上线,支持自定义模型量化,Mistral模型已经集成并可供使用。同时,SqueezeLLM还被集成到了官方的vLLM框架当中,极大方便了用户在已有系统中的应用。

安装与使用指南

用户可以通过创建conda环境,克隆代码库及安装相关依赖来快速上手使用SqueezeLLM。详细的安装步骤及模型运行、评测流程请参阅代码库的相关文档。

通过简单命令行操作,用户可以对选择的量化模型进行基准测试和困惑度评估,以此验证模型的实际表现和效率。

致谢与引用

SqueezeLLM的开发过程中, 参考并复用了多个开源库,其中包括GPTQ及其衍生的LLaMA版本。希望使用该框架的用户能够在学术工作中对下列文章进行引用以表达感谢:

@article{kim2023squeezellm,
  title={SqueezeLLM: Dense-and-Sparse Quantization},
  author={Kim, Sehoon and Hooper, Coleman and Gholami, Amir and Dong, Zhen and Li, Xiuyu and Shen, Sheng and Mahoney, Michael and Keutzer, Kurt},
  journal={arXiv},
  year={2023}
}

通过SqueezeLLM,用户可以在大幅降低模型内存占用的同时保持高性能表现,为模型的高效部署提供了高效便捷的解决方案。希望这一框架能够助力更多的研究与应用场景,实现技术与效率的双赢。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多