# EETQ

Библиотека [Easy & Efficient Quantization for Transformers (EETQ)](https://github.com/NetEase-FuXi/EETQ) поддерживает int8 weight-only per-channel квантование для GPU NVIDIA. Она использует высокопроизводительные ядра GEMM и GEMV из [FasterTransformer](https://github.com/NVIDIA/FasterTransformer) и [TensorRT-LLM](https://github.com/NVIDIA/TensorRT-LLM). Слой внимания оптимизирован с помощью [FlashAttention2](https://github.com/Dao-AILab/flash-attention). Набор данных для калибровки не требуется, а модель не нужно предварительно квантовать. Потеря точности пренебрежимо мала благодаря per-channel квантованию.

EETQ также поддерживает дообучение с использованием [PEFT](https://huggingface.co/docs/peft).

Установите EETQ со [страницы релизов](https://github.com/NetEase-FuXi/EETQ/releases) или из [исходного кода](https://github.com/NetEase-FuXi/EETQ). Для EETQ требуется CUDA 11.4+.

```bash
pip install --no-cache-dir https://github.com/NetEase-FuXi/EETQ/releases/download/v1.0.0/EETQ-1.0.0+cu121+torch2.1.2-cp310-cp310-linux_x86_64.whl
```

```bash
git clone https://github.com/NetEase-FuXi/EETQ.git
cd EETQ/
git submodule update --init --recursive
pip install .
```

Квантуйте модель на лету, определив тип данных квантования в [EetqConfig](/docs/transformers/v5.23.0/ru/main_classes/quantization#transformers.EetqConfig).

```py
from transformers import AutoModelForCausalLM, EetqConfig

quantization_config = EetqConfig("int8")
model = AutoModelForCausalLM.from_pretrained(
    "meta-llama/Llama-3.1-8B",
    dtype="auto",
    device_map="auto",
    quantization_config=quantization_config
)
```

Сохраните квантованную модель с помощью [save_pretrained()](/docs/transformers/v5.23.0/ru/main_classes/model#transformers.PreTrainedModel.save_pretrained), чтобы её можно было повторно загрузить с помощью [from_pretrained()](/docs/transformers/v5.23.0/ru/main_classes/model#transformers.PreTrainedModel.from_pretrained).

```py
quant_path = "/path/to/save/quantized/model"
model.save_pretrained(quant_path)
model = AutoModelForCausalLM.from_pretrained(quant_path, device_map="auto")
```

