save()

功能说明

量化参数配置类，通过calibrator类封装量化算法来保存量化后的权重及相关参数。

因为在存储量化参数过程中存在反序列化风险，所以已通过在存储过程中，将保存的量化结果文件夹权限设置为750，量化权重文件权限设置为400，量化权重描述文件设为600来消减风险。

函数原型

calibrator.save(output_path, safetensors_name=None, json_name=None, save_type=None,)

参数说明

参数名	输入/返回值	含义	使用限制
output_path	输入	量化后的权重及相关参数保存路径。	必选。数据类型：string。
safetensors_name	输入	safe_tensor格式量化权重文件的名称。	可选。数据类型：string。
json_name	输入	safe_tensor格式量化权重json描述文件的名称。	可选。数据类型：string。
save_type	输入	量化后权重的保存格式。	可选。数据类型：list，元素必须为string。本参数默认为None，使用"numpy"格式。支持设置为"numpy"或"safe_tensor"两种格式。用户需按照模型推理的实际情况进行选择：设置为['numpy']时，仅导出npy格式的量化权重文件。设置为['safe_tensor']时，仅导出safe_tensor格式的权重文件和json描述文件。 safetensors权重文件包含浮点、量化权重，量化层使用的量化权重和未量化层使用的原始浮点权重。 json描述文件包含模型的所有module，并标明该module的量化或浮点类型，例如 FLOAT、W8A8、W8A16。

调用示例

from msmodelslim.pytorch.llm_ptq.llm_ptq_tools import Calibrator, QuantConfig
quant_config = QuantConfig(dev_type='cpu', pr=0.5, mm_tensor=Flase)
model = AutoModel.from_pretrained('THUDM/chatglm2-6b', torch_dtype=torch.float32, trust_remote_code=True).cpu()   #根据模型实际路径配置
calibrator = Calibrator(model, quant_config, calib_data=dataset_calib, disable_level='L0')
calibrator.run(int_infer=False) 
calibrator.save(qaunt_weight_save_path)

父主题： PyTorch