
Meta-Llama-3.1-8B的FP8量化技术优化多语言文本生成
Meta-Llama-3.1-8B-Instruct-FP8-dynamic利用FP8量化技术优化内存使用,适用于多语言商业和研究用途,提升推理效率。该模型在Arena-Hard评估中实现105.4%回收率,在OpenLLM v1中达成99.7%回收率,展示接近未量化模型的性能表现。支持多语言文本生成,尤其适合聊天机器人及语言理解任务,且通过vLLM后端简化部署流程。利用LLM Compressor进行量化,降低存储成本并提高部署效率,保持高质量文本生成能力。
Meta-Llama-3.1-8B-Instruct-FP8-dynamic是一个强大的文本生成模型,能够在多个语言中进行文本输入和输出。该模型针对文本生成任务进行了优化,适用于商业和研究用途,特别是助理类聊天应用。然而,该模型不适用于违反法律法规的用途。
该模型通过将Meta-Llama-3.1-8B-Instruct的权重和激活进行FP8量化,从而实现优化。这种量化技术能够将每个参数的比特数从16减少到8,从而大幅减少硬盘空间和GPU内存需求。
量化仅应用于transformers块内的线性操作符的权重和激活上。采用对称的每通道量化,即通过线性缩放每个输出维度来映射量化后的FP8权重和激活表示。此外,还在逐个token的动态基础上对激活进行量化。量化过程使用了LLM Compressor工具。
该模型可以通过vLLM软件后端高效部署。下列Python示例展示了如何加载和使用该模型:
from vllm import LLM, SamplingParams from transformers import AutoTokenizer model_id = "neuralmagic/Meta-Llama-3.1-8B-Instruct-FP8-dynamic" sampling_params = SamplingParams(temperature=0.6, top_p=0.9, max_tokens=256) tokenizer = AutoTokenizer.from_pretrained(model_id) messages = [ {"role": "system", "content": "You are a pirate chatbot who always responds in pirate speak!"}, {"role": "user", "content": "Who are you?"}, ] prompts = tokenizer.apply_chat_template(messages, tokenize=False) llm = LLM(model=model_id) outputs = llm.generate(prompts, sampling_params) generated_text = outputs[0].outputs[0].text print(generated_text)
vLLM还支持与OpenAI兼容的服务。详细信息请参见文档。
这个模型的创建过程使用了LLM Compressor与UltraChat校准样本。具体代码片段如下:
import torch from transformers import AutoTokenizer from llmcompressor.transformers import SparseAutoModelForCausalLM, oneshot from llmcompressor.transformers.compression.helpers import ( # noqa calculate_offload_device_map, custom_offload_device_map, ) recipe = """ quant_stage: quant_modifiers: QuantizationModifier: ignore: ["lm_head"] config_groups: group_0: weights: num_bits: 8 type: float strategy: channel dynamic: false symmetric: true input_activations: num_bits: 8 type: float strategy: token dynamic: true symmetric: true targets: ["Linear"] """ model_stub = "meta-llama/Meta-Llama-3.1-8B-Instruct" model_name = model_stub.split("/")[-1] device_map = calculate_offload_device_map( model_stub, reserve_for_hessians=False, num_gpus=1, torch_dtype="auto" ) model = SparseAutoModelForCausalLM.from_pretrained( model_stub, torch_dtype="auto", device_map=device_map ) output_dir = f"./{model_name}-FP8-dynamic" oneshot( model=model, recipe=recipe, output_dir=output_dir, save_compressed=True, tokenizer=AutoTokenizer.from_pretrained(model_stub), )
该模型通过一系列基准测试进行了评估,包括Arena-Hard、OpenLLM v1、OpenLLM v2、HumanEval和HumanEval+。在所有情况下,模型输出都是通过vLLM引擎生成的,详细结果可在HuggingFace数据集上找到:
模型在多个基准测试中恢复性能超过100%,具体表现如下:
模型的测试结果通过一系列评估命令获得。针对每个基准的具体命令已在文档中提供,以便研究人员复现实验结果。


免费创建高清无水印Sora视频
Vora是一个免费创建高清无水印Sora视频的AI工具


最适合小白的AI自动化工作流平台
无需编码,轻松生成可复用、可变现的AI自动化工作流

大模型驱动的Excel数据处理工具
基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。


AI辅助编程,代码自动修复
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论文写作指导平台
AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。


AI一键生成PPT,就用博思AIPPT!
博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。


AI赋能电商视觉革命,一站式智能商拍平台
潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。


企业专属的AI法律顾问
iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。


稳定高效的流量提升解决方案,助力品牌曝光
稳定高效的流量提升解决方案,助力品牌曝光


最新版Sora2模型免费使用,一键生成无水印视频
最新版Sora2模型免费使用,一键生成无水印视频
最新AI工具、AI资讯
独家AI资源、AI项目落地

微信扫一扫关注公众号