Skip to content
简体中文

切换主题

// ◈ 量化、剪枝与蒸馏

GPTQ 训练后量化

利用二阶信息逐列量化权重,几小时把大模型压到 3–4 位。

GPTQ 2022 高级 核心

通俗解释

量化一列权重后,用近似 Hessian 把误差补偿到尚未量化的列上,只需少量校准数据,单卡几小时即可完成 175B 模型量化。

用在哪里:大量 GPTQ 格式开源权重

时间轴 · 前置 → 当前 → 后继

2022 LLM.int8() 与离…2022 GPTQ 训练后量化2023 AWQ 激活感知量化2023 SparseGPT 一次性…

01原始论文

GPTQ: Accurate Post-Training Quantization for Generative Pre-trained Transformers

Elias Frantar, Saleh Ashkboos, Torsten Hoefler, et al. · 2022

arXiv ↗ ✓ 已核实 · arXiv API

02知识位置

左边先学;右边是学完它之后可以学的。

LLM.int8() 与离群值AWQ 激活感知量化SparseGPT 一次性剪枝 GPTQ 训练后量化

左:前置 · 右:后继 · 虚线:相关。看完整关系图 →

03学习资料

官方文档、图解、课程和参考实现,链接都核对过。

04在课程里哪里学

给 AI 读 / 数据说明

数据更新于:AI 算法图谱与课程体系(北京时间)