HIGGS

HIGGS adalah algoritma kuantisasi zero-shot yang menggabungkan pra-pemrosesan Hadamard dengan grid kuantisasi MSE-Optimal untuk mencapai error kuantisasi yang lebih rendah dan kinerja state-of-the-art.

Dukungan runtime untuk HIGGS diimplementasikan melalui pustaka FLUTE. Saat ini, hanya varian 70B dan 405B dari Llama 3 dan Llama 3.0, serta varian 8B dan 27B dari Gemma 2 yang didukung. HIGGS juga belum mendukung pelatihan terkuantisasi dan backward passes secara umum.

Jalankan perintah di bawah ini untuk menginstal FLUTE.

pip install flute-kernel

pip install flute-kernel -i https://flute-ai.github.io/whl/cu11.8

Buat HiggsConfig dengan jumlah bit untuk mengkuantisasi model.

from transformers import AutoModelForCausalLM, AutoTokenizer, HiggsConfig

model = AutoModelForCausalLM.from_pretrained(
    "google/gemma-2-9b-it",
    quantization_config=HiggsConfig(bits=4),
    device_map="auto",
)

Temukan model yang telah di-kuantisasi sebelumnya dengan HIGGS di koleksi resmi ISTA-DASLab.

torch.compile

HIGGS sepenuhnya kompatibel dengan torch.compile.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, HiggsConfig

model = AutoModelForCausalLM.from_pretrained(
    "google/gemma-2-9b-it",
    quantization_config=HiggsConfig(bits=4),
    device_map="auto",
)

model = torch.compile(model)

Lihat tabel di bawah ini untuk benchmark forward passes/detik untuk Llama-3.1-8B-Instruct pada RTX4090.