25 lines
1.4 KiB
Markdown
25 lines
1.4 KiB
Markdown
# 本项目基于天数智芯官方的量化方案对GLM-5进行量化
|
||
原压缩包地址：
|
||
sftp -P 29880 iluvatar_mr@iftp.iluvatar.com.cn
|
||
get /client_tmp/support/quant/w4a8_w8a8_quant.tar.gz .
|
||
|
||
## 新增
|
||
dev/configs/w4a8_int/glm5_nn_g64.yml
|
||
|
||
# 修改
|
||
| 文件 | 必要改动 |
|
||
|---|---|
|
||
| `functions/config_builder/__init__.py` | 将 `glm_moe_dsa` 交给 `Qwen3MoEQuantConfigBuilder`，按 GLM-5 源权重的 `128×128` FP8 block scale 反量化。 |
|
||
| `core/kernels/pytorchs/int4_pack8.py` | `quant_repack_int4()` 最后一个参数改为 `not symmetric`；该接口参数名实际是 `isAsymQuant`。 |
|
||
| `functions/quant.py` | 仅在存在 `i8zeros` 时写入；分组 scale 的输出键改为 `专家名.i8_weight_scale`，与当前 vLLM 参数名一致。 |
|
||
| `utils.py`、`main.py` | 将 `group_size: 64` 写入压缩元数据，权重策略设为 `group`；检查全部分片是否生成。 |
|
||
| `main.py` | 缺少 `natsort` 时使用 `sorted`，适用于这些已补零的分片文件名。 |
|
||
|
||
当前压缩元数据中的 `num_bits` 仍为 `8`，这是这版 Iluvatar W4A8 加载器使用的描述方式；实际专家权重是打包的 INT4，由启动时的 `VLLM_W8A8_MOE_USE_W4A8=1` 选择相应加载器。
|
||
|
||
## 量化方式：
|
||
PYTHONUNBUFFERED=1 OMP_NUM_THREADS=1 \
|
||
python main.py --config configs/w4a8_int/glm5_nn_g64.yml \
|
||
> /mnt/data/models/ZhipuAI/glm5-nn-g64-quant.log 2>&1
|
||
|