贡献

Transformers 支持多种量化方法，例如 QLoRA、GPTQ、LLM.int8 和 AWQ。然而，仍有许多量化方法尚未集成。为了更轻松地在 Transformers 中添加和使用这些量化方法，请使用 HfQuantizer 类。HfQuantizer 被设计为用于添加量化方法的内部辅助类，而不是应用于每个 PyTorch 模块的东西。

本指南将向您展示如何将新的量化方法与 HfQuantizer 集成。

要求

在将新的量化方法集成到 Transformers 之前，请确保该方法满足以下要求。仅支持可以使用 PyTorch 模块运行的量化方法。

量化方法可通过可 pip 安装的 Python 包获得（如果您只能从源代码安装该包也可以）。理想情况下，预编译的内核包含在 pip 包中。
该方法可以在常用硬件（CPU、GPU 等）上运行。
该方法封装在 nn.Module (~bitsandbytes.nn.Linear8bitLt, ~bitsandbytes.nn.Linear4bit) 中，并且量化的线性层应具有以下定义。
```
class Linear4bit(nn.Module):
    def __init__(self, ...):
        ...
    
    def forward(self, x):
        return my_4bit_kernel(x, self.weight, self.bias)
```
这样，通过将 nn.Linear 的实例替换为目标类，可以轻松量化 Transformers 模型。
量化方法应该是可序列化的。您可以将量化的权重保存在本地或将其推送到 Hub。
确保包含量化内核/原语的包是稳定的（没有频繁的重大更改）。

某些量化方法可能需要通过数据校准来“预量化”模型 (AWQ)。在这种情况下，我们更倾向于仅在 Transformers 中支持推理，并让 ML 社区维护的第三方库来处理模型量化本身。

创建新的 HFQuantizer 类

在 src/transformers/utils/quantization_config.py 中创建一个新的量化配置类。将新的量化配置添加到 Transformers src/transformers/init.py 文件中的 _import_structure 中。
在 src/transformers/quantizers/ 中创建一个名为 quantizer_your_method.py 的新文件，并使其继承自 [`~quantizers.HfQuantizer]。确保在 src/transformers/quantizers/auto.py 中的量化自动映射中添加新的量化器和量化配置。
为您的量化方法定义以下类属性和属性方法。
- requires_calibration：量化方法是否需要数据校准过程。如果设置为 True，则您只能支持推理（使用量化权重），而不能同时支持推理和量化。
- required_packages：使用量化权重所需的软件包的字符串列表。您可能需要定义一些新的实用程序方法，例如 transformers/src/utils/import_utils.py 中的 is_auto_awq_available。
- requires_parameters_quantization：仅当您的量化方法需要特别注意底层的 nn.Parameter 对象时才需要。例如，bitsandbytes 使用 ~bitsandbytes.nn.Params4bit 和 ~bitsandbytes.nn.Int8Params，这在量化模型时需要格外注意。大多数最新的量化方法将 int2 和 int4 权重打包在 torch.uint8 权重中，因此此标志实际上不是必需的（默认设置为 False）。
- is_serializable：用于确定方法是否可序列化的属性方法。
- is_trainable：用于确定您是否可以在量化方法之上微调模型（使用或不使用 PEFT 方法）的属性方法。
编写 validate_environment 和 update_torch_dtype 方法。在创建量化模型之前调用这些方法，以确保用户使用正确的配置。有关实现示例，请参阅其他量化器。
编写 _process_model_before_weight_loading 方法。在 Transformers 中，量化模型首先在 "meta" 设备上初始化，然后再加载权重。这意味着 _process_model_before_weight_loading 方法负责操作模型骨架，以将某些模块 (nn.Linear) 替换为目标模块（量化模块）。

您可以通过在 transformers/src/integrations/ 中创建一个新文件，并在该文件夹的 __init__.py 文件中公开相关方法来定义模块替换逻辑或任何其他实用程序方法。最好的起点是查看另一个量化方法，例如 quantizer_awq.py。
编写 _process_model_after_weight_loading 方法。此方法使实现需要加载权重后操作模型的其他功能成为可能。
记录一切！通过在 docs/source/en/quantization 下添加新文件，确保您的量化方法已记录在案。
您应该通过在我们的 nightly Dockerfile 中的 docker/transformers-quantization-latest-gpu 中添加软件包，然后在 tests/quantization/xxx 中添加新的测试文件来添加测试。随意查看现有的量化方法，了解它是如何实现的。

< > 在 GitHub 上更新