FLUTE: 一种灵活高效的查找表量化引擎

RayRay
FLUTE量化LLM查找表GPUGithub开源项目

FLUTE简介

FLUTE (Flexible Lookup Table Engine)是一个为查找表(LUT)量化大语言模型设计的灵活引擎。它可以实现快速矩阵乘法,支持多种量化方案,在保持模型性能的同时大大降低内存和计算需求。

FLUTE logo

FLUTE的主要特点包括:

  • 支持多种量化方案,包括uniform、lookup table等
  • 兼容多种主流模型,如LLaMA、Gemma等
  • 与vLLM、Hugging Face等框架无缝集成
  • 提供简单易用的API和命令行工具
  • 在多个基准测试中表现出色

本文将详细介绍FLUTE的背景、特性、使用方法以及在各种模型上的表现。

背景

随着大语言模型的规模不断增长,如何在有限的计算资源下高效运行这些模型成为一个重要问题。量化是一种有效的模型压缩方法,可以将模型参数从高精度(如FP32)压缩到低精度(如INT8、INT4等),从而减少内存占用和计算量。

传统的uniform量化将全精度权重映射到等间隔的低精度区间。而lookup table(LUT)量化则是一种更灵活的非均匀量化方案,可以通过查找表将量化后的值映射到任意值。FLUTE就是基于LUT量化设计的一个高效引擎。

FLUTE支持多种量化方案:

  • int4, int3, int2: 对应uniform/integer量化
  • fp4, fp3, fp2: 浮点量化
  • nf4, nf3, nf2: 扩展了QLoRA中引入的nf4数据格式
  • 任意自定义查找表: 甚至可以学习得到最优表

这种灵活性使FLUTE能够适应不同模型和任务的需求,在压缩率和性能之间取得更好的平衡。

FLUTE的主要特性

1. 高效的矩阵乘法实现

FLUTE针对LUT量化模型优化了矩阵乘法实现,可以显著提高计算速度。下图展示了FLUTE在不同设置下的性能表现:

Performance benchmark

可以看到,FLUTE在各种量化位数和分组大小下都能保持较高的吞吐量。

2. 广泛的模型支持

FLUTE目前支持以下模型:

  • LLaMA-3/3.1 (8B, 70B, 405B)
  • Gemma-2 (9B, 27B)

这些模型覆盖了目前主流的大语言模型架构,使FLUTE能够广泛应用于各种场景。

3. 灵活的量化选项

FLUTE支持多种量化设置:

  • 位数: 4-bit, 3-bit, 2-bit
  • 分组大小: 32, 64, 128, 256
  • 输入数据类型: torch.float16, torch.bfloat16

用户可以根据具体需求选择合适的量化参数。

4. 与主流框架集成

FLUTE可以无缝集成到vLLM和Hugging Face等主流框架中。例如,使用FLUTE量化的模型可以直接通过vLLM部署服务:

python -m flute.integrations.vllm vllm.entrypoints.openai.api_server \ --model radi-cho/Meta-Llama-3.1-8B-FLUTE \ --quantization flute

这种集成使得FLUTE可以轻松融入现有的机器学习工作流程。

使用FLUTE

安装

FLUTE可以通过pip安装:

# For CUDA 12.1 pip install flute-kernel # For CUDA 11.8 pip install flute-kernel -i https://flute-ai.github.io/whl/cu118

量化自定义模型

FLUTE提供了简单的API来量化自定义模型。以下是一个基本示例:

import flute.integrations.base model = AutoModelForCausalLM.from_pretrained( pretrained_model_name_or_path, device_map="cpu", torch_dtype="auto") flute.integrations.base.prepare_model_flute( name="model.model.layers", module=model.model.layers, num_bits=4, group_size=128, fake=False)

FLUTE还支持从bitsandbytes模型转换,以及学习最优的量化参数。

模型性能

FLUTE团队在多个基准测试上评估了量化后模型的性能。以下是部分结果:

LLaMA-3.1 (8B)

模型Wiki PPLC4 PPLLLM Eval Avg.
原始模型6.319.6069.75
NFL W4G646.2410.0669.13
NFL W3G647.2311.8365.66

Gemma-2 (9B)

模型Wiki PPLC4 PPLLLM Eval Avg.
原始模型6.8810.1273.12
NFL W4G646.4910.3572.50
NFL W3G647.0611.1470.02

可以看到,即使在3-bit量化下,FLUTE也能保持较好的模型性能。这表明FLUTE在模型压缩和性能保持之间取得了很好的平衡。

未来展望

FLUTE团队正在积极开发和改进这个项目。未来的计划包括:

  1. 支持更多模型架构
  2. 优化bfloat16数据类型的性能
  3. 增加对更多GPU型号的支持
  4. 改进量化算法,进一步提高性能

结论

FLUTE为大语言模型的量化和部署提供了一个强大而灵活的解决方案。通过支持多种量化方案、优化的矩阵乘法实现以及与主流框架的集成,FLUTE可以帮助研究人员和工程师更高效地运行大规模语言模型。

无论是在学术研究还是工业应用中,FLUTE都是一个值得关注的项目。它不仅可以帮助降低模型运行的硬件需求,还为探索新的量化算法提供了便利的平台。

如果你对大语言模型的高效运行感兴趣,不妨尝试使用FLUTE,探索它所带来的可能性。你可以在FLUTE的GitHub仓库中找到更多信息和使用指南。

编辑推荐精选

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多