🚀 Pruna AI:让AI模型更廉价、更小、更快、更环保!
Pruna AI致力于解决AI模型成本高、体积大、速度慢和能耗高的问题,通过先进的压缩技术,使AI模型在保持性能的同时,实现成本降低、体积缩小、速度提升和能耗减少。
社区链接
互动与反馈
- 如果你喜欢这个模型,点个赞吧!
- 点击此处 联系我们,告诉我们接下来要压缩哪个模型。
- 点击此处 请求访问权限,轻松压缩你自己的AI模型。
- 点击此处 阅读文档以了解更多信息。
- 点击此处 加入Pruna AI的Discord社区,分享反馈/建议或获取帮助。
📊 结果展示

常见问题解答
- 压缩是如何工作的? 模型使用llm - int8进行压缩。
- 模型质量会发生怎样的变化? 与基础模型相比,模型输出的质量可能会有所不同。
- 如何评估模型效率? 这些结果是在NVIDIA A100 - PCIE - 40GB上获得的,配置在
model/smash_config.json
中描述,并且是在硬件预热后获得的。压缩后的模型直接与原始基础模型进行比较。效率结果在其他设置(如其他硬件、图像大小、批量大小等)中可能会有所不同。我们建议在实际用例条件下直接运行,以确定压缩后的模型是否对你有益。
- 模型格式是什么? 我们使用safetensors。
- 使用了什么校准数据? 如果压缩方法需要,我们使用WikiText作为校准数据。
- Pruna Huggingface模型的命名约定是什么? 如果压缩后的模型在推理速度、推理内存或推理能耗方面低于原始基础模型的90%,我们会在原始模型名称后面加上"turbo"、"tiny"或"green"。
- 如何压缩我自己的模型? 点击此处 请求高级访问权限,以使用更多压缩方法并获得针对你特定用例的技术支持。
- 什么是“首次”指标? 提及“首次”的结果是在模型首次运行后获得的。由于cuda开销,首次运行可能比后续运行占用更多内存或更慢。
- 什么是“同步”和“异步”指标? “同步”指标是在同步所有GPU进程并在所有进程执行完毕后停止测量得到的。“异步”指标是在不同步所有GPU进程并在模型输出可供CPU使用时停止测量得到的。我们同时提供这两种指标,因为根据不同的用例,这两种指标都可能相关。我们建议在你的用例中直接测试效率提升情况。
📦 安装指南
你可以按照以下步骤运行压缩后的模型:
步骤0:检查依赖
确保已安装原始仓库mosaicml/mpt - 7b - storywriter的依赖项,尤其要检查Python、CUDA和transformers的版本。
步骤1:安装量化相关包
pip install transformers accelerate bitsandbytes>0.37.0
步骤2:加载并运行模型
from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("PrunaAI/mosaicml-mpt-7b-storywriter-bnb-4bit-smashed",
trust_remote_code=True, device_map='auto')
tokenizer = AutoTokenizer.from_pretrained("mosaicml/mpt-7b-storywriter")
input_ids = tokenizer("What is the color of prunes?,", return_tensors='pt').to(model.device)["input_ids"]
outputs = model.generate(input_ids, max_new_tokens=216)
tokenizer.decode(outputs[0])
⚙️ 配置信息
配置信息位于smash_config.json
中。
📄 许可证
压缩后模型的许可证遵循原始模型的许可证。在使用此模型之前,请检查原始模型mosaicml/mpt - 7b - storywriter的许可证。pruna - engine
的许可证可在此处(Pypi)查看。
🤝 更多需求
- 点击此处 联系我们,告诉我们接下来要压缩哪个模型。
- 点击此处 请求访问权限,轻松压缩你自己的AI模型。