Qwq 32B FP8 Dynamic

🚀 QwQ-32B-FP8-dynamic

QwQ-32B-FP8-dynamic 是 Qwen/QwQ-32B 的量化版本，通过将权重和激活量化为 FP8 数据类型，减少了磁盘大小和 GPU 内存需求，同时保持了较高的推理性能。

🚀 快速开始

模型概述

• 模型架构：Qwen2ForCausalLM
  • 输入：文本
  • 输出：文本
• 模型优化：
  • 权重量化：FP8
  • 激活量化：FP8
• 发布日期：2025 年 3 月 6 日
• 版本：1.0
• 模型开发者：Neural Magic

模型优化

本模型通过将 Qwen/QwQ-32B 的权重和激活量化为 FP8 数据类型而获得。这种优化将每个参数的位数从 16 位减少到 8 位，使磁盘大小和 GPU 内存需求大约减少了 50%。

仅对 Transformer 块内线性算子的权重和激活进行量化。权重使用对称的逐通道方案进行量化，而激活使用对称的逐令牌方案进行量化。使用 LLM Compressor 进行量化。

📦 安装指南

此部分文档未提供安装步骤，若有相关需求可参考对应库的官方文档。

💻 使用示例

基础用法

本模型可以使用 vLLM 后端进行高效部署，示例代码如下：

from transformers import AutoTokenizer
from vllm import LLM, SamplingParams

number_gpus = 1
model_name = "neuralmagic/QwQ-32B-FP8-dynamic"

tokenizer = AutoTokenizer.from_pretrained(model_name)
sampling_params = SamplingParams(temperature=0.6, max_tokens=256, stop_token_ids=[tokenizer.eos_token_id])
llm = LLM(model=model_name, tensor_parallel_size=number_gpus, trust_remote_code=True)

messages_list = [
    [{"role": "user", "content": "Who are you? Please respond in pirate speak!"}],
]

prompt_token_ids = [tokenizer.apply_chat_template(messages, add_generation_prompt=True) for messages in messages_list]

outputs = llm.generate(prompt_token_ids=prompt_token_ids, sampling_params=sampling_params)

generated_text = [output.outputs[0].text for output in outputs]
print(generated_text)

vLLM 还支持与 OpenAI 兼容的服务。更多详细信息请参阅 文档。

高级用法

本模型使用 llm-compressor 创建，示例代码如下：

from transformers import AutoModelForCausalLM, AutoTokenizer
from llmcompressor.modifiers.quantization import QuantizationModifier
from llmcompressor.transformers import oneshot
import os

# Load model
model_stub = "Qwen/QwQ-32B"
model_name = model_stub.split("/")[-1]

model = AutoModelForCausalLM.from_pretrained(
    model_stub,
    torch_dtype="auto",
)

tokenizer = AutoTokenizer.from_pretrained(model_stub)

# Configure the quantization algorithm and scheme
recipe = QuantizationModifier(
    targets="Linear",
    scheme="FP8_DYNAMIC",
    ignore=["lm_head"],
)

# Apply quantization
oneshot(
    model=model,
    recipe=recipe,
)

# Save to disk in compressed-tensors format
save_path = model_name + "-FP8-dynamic"
model.save_pretrained(save_path)
tokenizer.save_pretrained(save_path)
print(f"Model and tokenizer saved to: {save_path}")

🔧 技术细节

准确性

📄 许可证

本项目采用 MIT 许可证。