HIGGS

HIGGS는 Hadamard 전처리와 MSE-Optimal 양자화 그리드를 결합하여 양자화 오류를 낮추고 최첨단 성능을 달성하는 zero-shot 양자화 알고리즘입니다.

HIGGS의 런타임 지원은 FLUTE 라이브러리를 통해 구현됩니다. 현재 Llama 3 및 Llama 3.0의 70B와 405B 변형, Gemma 2의 8B와 27B 변형만 지원됩니다. 또한 HIGGS는 현재 양자화 학습 및 역전파를 지원하지 않습니다.

FLUTE를 설치하려면 아래 명령을 실행하세요.

CUDA 12.1

CUDA 11.8

모델을 양자화할 비트 수를 지정하여 HiggsConfig를 생성합니다.

from transformers import AutoModelForCausalLM, AutoTokenizer, HiggsConfig

model = AutoModelForCausalLM.from_pretrained(
    "google/gemma-2-9b-it",
    quantization_config=HiggsConfig(bits=4),
    device_map="auto",
)

HIGGS로 사전 양자화된 모델을 공식 ISTA-DASLab 컬렉션에서 찾을 수 있습니다.

torch.compile

HIGGS는 torch.compile과 완전히 호환됩니다.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, HiggsConfig

model = AutoModelForCausalLM.from_pretrained(
    "google/gemma-2-9b-it",
    quantization_config=HiggsConfig(bits=4),
    device_map="auto",
)

model = torch.compile(model)

Llama-3.1-8B-Instruct의 RTX4090에서 forward passes/sec 벤치마크는 아래 표를 참조하세요.

배치 크기	BF16(`torch.compile` 사용)	HIGGS 4bit(`torch.compile` 없음)	HIGGS 4bit (`torch.compile` 사용)
1	59	41	124
4	57	42	123
16	56	41	120

Update on GitHub

Transformers

HIGGS

torch.compile