基于autoawq进行qwen3 的awq量化

Qwen3 对 4 位和 2 位量化的表现如何? 但最引人注目的当属 Qwen3-30B-A3B:这个 300 亿参数的模型在推理时仅激活 30 亿参数,其混合专家架构(MoE)设计使其极为轻量化——量化版本可轻松部署在 24GB 显存的 GPU 上,若搭配 GPTQ+Marlin 等 GPU 友好格式更能高效运行。基准测试结果显示,即便是 Qwen3 的 40 亿参数稠密模型,其性能也可与规模大得多的模型相媲美,在与 GPT-4、DeepSeek V3(非推理模型)等系统主导的性能区间内展开竞争。需要注意的是,这些模型并非多模态。 阅读详情

awq量化 精度降低6个点。推理耗时降低从0.447s降低到0.4s

在llamafactory环境中,安装

pip install autoawq

量化代码:

def qu_awq():
    from awq import AutoAWQForCausalLM
    from transformers import AutoTokenizer
    import json
    model_path = "model_path"
    quant_path = "awq_model_path"
    calib_data = "_quantize.json"
    quant_config = {"zero_point": True, "q_group_size": 128, "w_bit": 4, "version": "GEMM"}

    # Load model
    model = AutoAWQForCausalLM.from_pretrained(model_path)
    tokenizer = AutoTokenizer.from_pretrained(
        model_path, trust_remote_code=True, device_map="auto", safetensors=True
    )

    # The pattern of data
    """ # Example
    msg=[
        {"role": "system", "content": "You are Qwen, created by Alibaba Cloud. You are a helpful assistant."},
        {"role": "user", "content": "Tell me who you are."},
        {"role": "assistant", "content": "I am a large language model named Qwen..."}
    ]
    data = []
    for msg in dataset:
        text = tokenizer.apply_chat_template(msg, tokenize=False, add_generation_prompt=False)
        data.append(text.strip())
    return data
    """
    # !!!!!!!!!      Customize the code here for calib_data processing    !!!!!!!!!!!!!!

    def data_gen():

        data = []
        with open(calib_data, "r", encoding="utf-8") as file:
            for line in file:
                msg = json.loads(line)["messages"]
                text = tokenizer.apply_chat_template(
                    msg, tokenize=False, add_generation_prompt=False
                )
                data.append(text.strip())
        return data
        # !!!!!!!!!      Customize the code here for calib_data processing    !!!!!!!!!!!!!!
    with open(calib_data, 'r', encoding='utf-8') as f:
        json_data = json.load(f)
    json_data = [each["text"] for each in json_data]
    # Quantize
    model.quantize(
        tokenizer,
        quant_config=quant_config,
        calib_data=json_data,
        n_parallel_calib_samples=1,
        max_calib_samples=256,
        max_calib_seq_len=1024,
    )

    # Save quantized model
    model.save_quantized(quant_path)
    tokenizer.save_pretrained(quant_path)

    print(f'Model is quantized and saved at "{quant_path}"')

qu_awq()

推理:

#!/bin/bash
# XFORMERS 比 FLASH_ATTN 少10ms
#export VLLM_ATTENTION_BACKEND=XFORMERS  #old machine use 
export VLLM_ATTENTION_BACKEND=FLASH_ATTN
source /opt/conda/etc/profile.d/conda.sh
conda activate /opt/conda/envs/vllm085
Model_path="/llm/models/general_knowledge_agent_router/general_knowledge_agent_202250820_v21_01_awq5"
#Model_path="/llm/models/Qwen3-4B-Instruct-2507"

CUDA_VISIBLE_DEVICES=0 nohup  python -m vllm.entrypoints.openai.api_server \
  --model ${Model_path} \
  --served-model-name 'qwen3_4b' \
  --host 0.0.0.0 \
  --port 9005 \
  --max-model-len 9000 \
  --trust-remote-code \
  --device cuda \
  --tensor-parallel-size 1 \
  --swap-space 0 \
  --quantization awq \
  --dtype float16 \
  --gpu-memory-utilization 0.7 \
  --max-num-seqs 1  > eval_qwen3_quant.log 2>&1 &

手把手教你用Verilog实现AT24C64的I2C读写(附完整仿真流程) 本文详细介绍了如何使用Verilog HDL设计AT24C64 EEPROM的I2C控制器,并配合ModelSim完成完整的仿真验证流程。内容涵盖I2C协议解析、Verilog状态机设计、AT24C64读写操作实现,以及仿真波形分析和调试技巧,为FPGA开发者提供了一套完整的EEPROM控制解决方案。 阅读详情

相关推荐

Ansys Zemax | 多模光纤耦合效率优化与IMAE操作数实战解析

本文详细解析了在Ansys Zemax(OpticStudio)中优化多模光纤耦合效率的实战流程。通过几何图像分析诊断初始效率,并重点介绍了如何利用IMAE操作数将分析工具转化为自动化优化引擎,实现从2%到54%的几何效率飞跃。文章还探讨了引入菲涅尔损耗与偏振计算以逼近真实效率,并分享了关键的避坑指南与高阶技巧。

xk7n92h3p5m的博客 749

Qwen3 模型架构和能力概览

每个框架都实现了对 Qwen3 的关键能力的支持,包括思考模式和工具调用。这使得模型在保持推理效率的同时,能够拥有更大的总参数量。这些模型既能处理简短的互动,也能处理长篇内容,使其在从聊天机器人到文档分析的各种应用场景中都非常灵活。Qwen3 在语言模型架构方面取得了显著进步,涵盖了密集模型和混合专家(MoE)变体。这种多语言能力是集成在核心模型架构中的,而不是附加功能,因此在非英语任务中特别有效。思考模式显著提升了复杂推理任务的表现,而非思考模式则为简单查询提供了更高效的响应。

AI人工智能的学习之路 5909

Infiniband互连网络概述

一、Infiniband是什么? InfiniBand(简称IB)是一种工业标准规范,它定义了一种输入/输出架构,用于计算节点、通信基础设施设备、存储和嵌入式系统的互连。操作系统可以是Linux、Windows或ESXI。 IB网络一共是五层,从第一天起,IB就被设计为提供一个端到端的解决方案,改善和加速从物理层到上层的所有协议层。 IB协议于2000年由IBTA(InfiniBand Trade Association)提出,其规定了一...

weixin_41687819的博客 5229

Qwen3:重磅开源,重夺开源第一!(包含详细使用教程)

Qwen3 代表了人类在通往通用人工智能(AGI)和超级人工智能(ASI)旅程中的一个重要里程碑。通过扩大预训练和强化学习的规模,之子实现了更高层次的智能。作者无缝集成了思考模式与非思考模式,为用户提供了灵活控制思考预算的能力。此外,作者还扩展了对多种语言的支持,帮助全球更多用户。

sherlockMa的博客 7001

别再手动转格式了!用Java+LibreOffice命令行实现Word批量转PDF(附Docker部署避坑指南)

本文详细介绍了如何利用Java和LibreOffice命令行实现企业级Word批量转PDF的自动化解决方案,包括多线程优化、Docker化部署及常见问题排查。通过代码示例和实战经验,帮助开发者高效处理文档转换需求,提升工作效率并避免常见陷阱。

552

Unity Spine 3.8 (URP) 踩坑(Shader报错修改)

提供了新思路,打算尝试一下URP。但美术使用的spine版本是3.8,项目用的Unity2021.3.11f1c2,直接导入spine URP包,shader报错:half4 不能转成 SurfaceData2D;Spine-Sprite-StandardPass-URP-2D.hlsl 也报这个错,也是同样的改法即可。今天搜索spine优化,看到一篇文章。

hrlr1230的博客 4568

单卡4090部署Qwen3-32B-AWQ(4bit量化)-vllm

在单卡NVIDIA 4090 GPU上部署4bit量化的Qwen3-32B-AWQ模型,使用vllm推理框架。

hbkybkzw的博客 3756

uniapp [全端兼容] - 实现连接蓝牙电子秤+监听数据转换并实时返回示例代码,uniApp实现BLE蓝牙连接多个电子秤设备、蓝牙通讯协议对接详细教程(全平台兼容H5、微信小程序、苹果安卓App)

uniapp连接蓝牙电子秤,uniapp如何连接电子秤蓝牙,蓝牙称重,实现监听数据转换并实时返回,多蓝牙,uni-app电子秤16进制蓝牙通讯协议对接,uniapp微信小程序蓝牙获取电子秤的值,uniapp蓝牙称重电子秤,蓝牙电子秤硬件,APP端连接蓝牙秤获取重量实时显示在页面上蓝牙秤,插件组件,蓝牙连接失败,uniapp安卓苹果ios连接蓝牙电子秤没反应,uniapp微信小程序 蓝牙低功耗连接发送数据监听接收,uni-app小程序蓝牙连接、读写数据全过程,uniapp连接蓝牙体脂秤,蓝牙搜索不到怎么办,如

🏆 前端领域优质创作者 1万+

大模型量化实战教程:Qwen3-1.7B int4量化技术深度解析!

本文介绍了使用AWQ方法量化Qwen3-1.7B大模型的完整流程。首先对比了GPTQ和AWQ两种量化方法的特点,AWQ具有更高精度但量化过程稍慢。接着详细说明了量化所需的硬件配置(16GB显存、32GB内存)和软件环境搭建步骤,包括安装PyTorch、transformers等依赖库。重点展示了AWQ量化脚本的实现方法,包括加载模型、处理校准数据集、配置量化参数等关键步骤。最后提供了量化模型的测试脚本,演示了如何使用量化后的模型进行推理。文章还附带了大模型学习路径和资源获取方式,包括从系统设计到微调开发的全

Trb701012的博客 1674

COMSOL有限元仿真深度指南:为结构件添加预应变

一、什么是预应力和预应变? 我们知道,结构力学问题中,结构件在外载荷作用下产生变形响应以吸收外载荷做功带来的能量;而在结构内部,整体的受力和变形则是通过固体微元的应力与应变传递的。 对于线弹性材料来说,应力与应变的关系可以线性表达,也即 σ=Dεσ = Dεσ=Dε ;在该式中,无论固体微元的应变程度多大,弹性矩阵DDD都是一个不变的常值。而对于超弹性材料来说,应力与应变的关系则需要通过应变能密度函数WWW来表征(详细参加博客《COMSOL有限元仿真深度指南:超弹性模型有限元分析入门》)。 从上面我们也不难

忘了面孔的Batou 7170

Python爬虫实战:逆向解析天猫商品详情API,精准捕获规格、SKU与促销活动

及浏览器开发者工具),绕过前端渲染的复杂性,直接逆向分析并调用其内部数据接口,从而高效、稳定地抓取商品的关键信息,包括商品规格、多维度SKU信息以及复杂的促销活动。print(f"SKU ID: {sku.sku_id}, 价格: ¥{sku.price}, 库存: {sku.stock}, 规格: {sku.props}")当你访问一个商品链接时,浏览器首先会加载一个几乎为空的HTML骨架,然后通过执行大量的JavaScript代码,向后台服务器发起多个异步请求,最终将获取到的数据填充到页面中。

2201_76125261的博客 1129

Qwen3-4B Instruct-2507保姆级教程:模型量化(AWQ/GGUF)部署提速方案

本文介绍了如何在星图GPU平台上自动化部署⚡Qwen3-4B Instruct-2507镜像,实现大语言模型的快速部署与推理。通过该平台,用户可一键部署此镜像,并利用其强大的对话生成能力,轻松构建智能客服、内容创作助手等AI应用,显著降低技术门槛与部署成本。

weixin_36303807的博客 288

(5)ModalAI VOXL2

Ardupilot官网关于《Non-GPS navigation》的翻译 —《(5) ModalAI VOXL2》。

无人机开发(开源Ardupilot) 1万+

Qwen3-ASR模型量化部署指南:将1.7B模型压缩到500MB以内

本文介绍了如何在星图GPU平台上自动化部署Qwen3-ASR-1.7B大模型驱动的语音识别镜像,实现高效语音转文字。通过该平台,用户可快速搭建语音识别服务,并将其应用于会议记录、实时字幕生成等场景,显著提升音频内容处理效率。

weixin_42511832的博客 260

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

AutoAWQ终极指南:如何用4位量化实现3倍AI推理加速

AutoAWQ是一个革命性的开源项目,专门用于大语言模型的4位量化优化,能够在保持模型质量的同时实现3倍推理加速和3倍内存节省。这个项目采用了激活感知权重量化(AWQ)算法,让AI应用在普通硬件上也能获得专业级的性能表现。 ## 什么是AutoAWQ? 🤔 AutoAWQ实现了MIT Han Lab开发的AWQ算法,通过智能的权重量化策略,将原本需要FP16精度的模型压缩到仅需4位整数存储,

gitblog_01041的博客 430

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

Qwen3-14B-INT4-AWQ一键部署教程:Python零基础入门与模型快速调用

本文介绍了如何在星图GPU平台上自动化部署Qwen3-14b_int4_awq镜像,实现高效文本生成功能。该方案特别适合Python零基础用户,通过预置环境快速调用模型,可应用于智能客服、内容创作等场景,20分钟内即可完成从部署到生成首个AI文本的全流程。

weixin_36204513的博客 319

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

AutoAWQ模型支持大全:Llama、Mistral、Qwen等30+模型量化指南

AutoAWQ是一款基于AWQ算法的4位量化工具,能在推理过程中实现2倍速度提升,帮助开发者高效部署大语言模型。本文将详细介绍AutoAWQ支持的30+主流模型及其量化方法,让你轻松掌握模型量化的核心技巧。 ## 一、AutoAWQ支持的主流模型 AutoAWQ通过模块化设计支持多种主流大语言模型,以下是部分核心模型支持情况: ### 1. Llama系列模型 Llama系列是目前应用最广泛

gitblog_00632的博客 464

OpenClaw环境配置:Qwen3-14b_int4_awq模型依赖安装

本文介绍了如何在星图GPU平台上自动化部署Qwen3-14b_int4_awq镜像,实现高效的大语言模型推理。该量化模型特别适用于智能客服、文本生成等场景,通过AWQ算法优化显著降低显存占用,在8GB显存设备上即可流畅运行。

weixin_28681379的博客 257

AutoAWQ极速安装指南:4比特量化技术快速上手

AutoAWQ是一款基于AWQ(Activation-aware Weight Quantization)算法的4比特量化工具,能够将大型语言模型压缩到仅需4位存储,同时实现推理速度3倍提升和内存需求减少3倍的惊人效果。无论你是AI开发者还是普通用户,都能轻松上手这个强大的量化神器。 ## 🚀 为什么选择AutoAWQ? **4比特量化**技术是当前最先进的模型压缩方法之一。相比传统的FP1

gitblog_00247的博客 375

Zed 认证机制详解:GitHub OAuth 登录流程、凭证管理与协作/AI 功能授权原理

本文基于 Zed 官方文档 [Authenticate with Zed](https://link.gitcode.com/i/b308eadfe38201579bd1c8e0b29913a8) 展开,系统讲解在 Zed 编辑器中完成登录(Sign In)所需的全部知识:哪些功能必须登录才能使用、基于 GitHub OAuth 的四步登录流程、源码中浏览器回调与本地凭证存储的真实实现、登出方式、

gitblog_00164的博客 507

SillyTavern AI角色扮演聊天前端快速上手指南

你有一个写好的虚拟角色设定,想让 AI 照着设定跟你长时间聊天,SillyTavern 就是这个界面:它是专为角色扮演设计的 LLM 聊天前端,把角色卡、对话界面、采样参数和世界观设定整合在一个浏览器页面里,你只需要再准备一个能用的 AI API。 ## 🚀 把项目跑起来 **1.** 克隆源码: ```bash git clone https://gitcode.com/GitHub_T

gitblog_00539的博客 359

终极指南:AutoAWQ实现大语言模型4位量化加速,推理速度提升2倍的完整教程

AutoAWQ是一款简单易用的4位量化模型工具包,它通过实现激活感知权重量化(AWQ)算法,将大语言模型的推理速度提升3倍,同时减少3倍内存需求。本指南将带你全面了解AutoAWQ的核心功能、安装方法和实际应用,让你轻松掌握大语言模型的高效量化技术。 ## 🚀 为什么选择AutoAWQ?3大核心优势解析 AutoAWQ之所以能在众多量化工具中脱颖而出,主要得益于其独特的技术优势和实用特性:

gitblog_00756的博客 813

Qwen3.5-9B-AWQ-4bit一键部署Python入门实战:环境搭建与首个AI应用

本文介绍了如何在星图GPU平台上自动化部署Qwen3.5-9B-AWQ-4bit镜像,快速搭建AI开发环境。通过简单的Python代码调用,用户可实现文本生成、对话机器人等应用,特别适合开发者快速入门大模型开发。该4bit量化版本在保持高性能的同时显著降低显存需求,是学习与实践AI的理想选择。

weixin_42511373的博客 324

Qwen3.5-9B-AWQ-4bit Python数据分析环境快速搭建与模型调用

本文介绍了如何在星图GPU平台上自动化部署Qwen3.5-9B-AWQ-4bit镜像,快速搭建Python数据分析环境。该镜像支持智能文本生成功能,可应用于自动生成数据分析报告、解释统计结果等场景,显著提升数据处理效率。通过简单的配置,用户即可将大模型能力融入日常工作流。

weixin_30415591的博客 288

实战指南:Qwen3-32B大模型的INT4量化全流程解析

随着大语言模型参数规模的持续增长,如何在有限硬件资源下高效部署高性能模型成为行业焦点。本文以Qwen3-32B模型为研究对象,详细记录使用AutoAWQ工具实现INT4精度量化的完整过程,包括环境配置、参数调优、性能测试及工程实践经验,为AI开发者提供可复用的大模型轻量化解决方案。 ## 技术选型与量化原理 在当前主流的模型压缩技术中,AWQ(Activation-aware Weight Q

gitblog_01080的博客 946

避坑指南:用vLLM部署通义千问3-14B-AWQ的常见问题解决

本文介绍了基于星图GPU平台自动化部署通义千问3-14B镜像的实践方法,重点解决vLLM框架下AWQ量化模型的常见问题。通过该平台可快速搭建高性能推理环境,典型应用于本地化AI服务部署,支持模型微调、聊天机器人构建及结构化输出等场景,助力开发者高效实现大模型落地。

weixin_28968525的博客 473
上一篇: 大模型量化方法及qwen3的AutoGPTQ量化
下一篇: 基于llama_factory的qwen3全参微调
会发paper的学渣
博客等级 码龄15年 171粉丝 207原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

会发paper的学渣

您的鼓励和将是我前进的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值