AntiOutlierConfig

功能说明

构建用于异常值抑制的config。

函数原型

AntiOutlierConfig(w_bit=8, a_bit=8, anti_method="m2", dev_type="cpu"，dev_id=None, w_sym=True)

参数说明

参数名	输入/返回值	含义	使用限制
w_bit	输入	权重量化bit。	可选。数据类型：int。默认为8，不支持修改。
a_bit	输入	激活层量化bit。	可选。数据类型：int。默认为8。 anti_method为m3时，支持修改为16。
anti_method	输入	异常值抑制anti_outlier使用方法。	可选。数据类型：string。默认为m2，可选值'm1'或'm2'或'm3'或'm4'或'm5'。 'm1'：异常值抑制方式1。 'm2'：异常值抑制方式2，推荐使用。 'm3'：AWQ算法。 'm4'：smooth优化算法。 'm5'：CBQ量化算法。说明： m4方式不支持telechat模型进行量化的场景。 m3方式处理MOE模型时，不对专家结构做任何处理。 m2方式不支持MOE模型w8a8-pertoken场景。
dev_type	输入	device类型。	可选。数据类型：object。可选值：['cpu', 'npu']，默认为'cpu'。
dev_id	输入	DEVICE ID。	可选。数据类型：int。默认值为None。仅在“dev_type”配置为“npu”时生效。“dev_id”指定的Device ID优先级高于环境变量配置的Device ID。
w_sym	输入	权重是否对称量化。	可选。数据类型：bool。默认为True。 anti_method设置为m3时，可以选择为False，需与QuantConfig中的w_sym参数设置一致。

调用示例

from msmodelslim.pytorch.llm_ptq.anti_outlier import AntiOutlier, AntiOutlierConfig
anti_config = AntiOutlierConfig(anti_method="m2")
anti_outlier = AntiOutlier(model, calib_data=dataset_calib, cfg=anti_config)
anti_outlier.process() 
calibrator = Calibrator(model, quant_config, calib_data=dataset_calib, disable_level='L0') 
calibrator.run(int_infer=False) 
calibrator.save(quant_weight_save_path)

父主题： 大模型量化接口