optimum-quanto

几行代码把 PyTorch 模型压成 int8/int4,省显存提速

开源 free 模型训练
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1053
维护状态 活跃
是否开源 是
定价模式 free

项目预览

项目数据

分类模型训练
开发团队huggingface
所属国家
官网地址
定价模式free
价格说明开源免费,Apache 2.0 许可证
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型optimum,pytorch,quantization
GitHub 星标★ 1053
30天Star增速
HF 下载量
上线时间2023-09-19 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-17
浏览次数0

项目介绍

optimum-quanto 是 Hugging Face 生态下为 optimum 提供的 PyTorch 量化后端,目标是让模型在推理和训练场景中都能方便地使用低精度计算。它解决的核心问题是:PyTorch 原生量化 API 分散、对 transformers 模型支持不统一,用户想快速把大模型压到 int8/int4 或 float8 时往往要写大量胶水代码。quanto 提供统一的量化器(quantize)、量化张量(QTensor)和量化模型(QuantizedModel)抽象,支持权重和激活量化、逐通道/逐组粒度、动态与静态量化,并能与 optimum 的 ORT/transformers 集成,在 CPU、GPU 上减少显存占用、提升吞吐。它同时支持量化感知训练(QAT)和训练后量化(PTQ),让开发者能在少量代码改动下完成模型压缩与加速。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度:入门 约 5 分钟 部署方式:库/依赖 3 步

环境要求

  • Python 环境(项目为 Python 包)
  • pip 包管理工具(README 通过 pip 安装)
  • PyTorch(quanto 是 PyTorch 量化后端)

安装与启动步骤

  1. 1确认 Python 与 pip

    确认本机已有 Python 和 pip 环境;README 只说明 quanto 以 pip 包形式分发,未提及其他前置安装步骤。

  2. 2安装 optimum-quanto

    使用 pip 从 PyPI 安装 optimum-quanto,这是 README 给出的唯一安装命令。

    pip install optimum-quanto
  3. 3确认可导入

    安装完成后在 Python 中导入该包,若无 ImportError 即安装成功;README 未给出具体导入路径。

如何确认成功

执行 pip install optimum-quanto 无报错,且在 Python 中导入该包不出现 ImportError。

常见问题

Q:这个项目还在积极开发吗?

A:项目处于维护模式,仅接受小 bug 修复、文档改进等维护类 PR,大的新功能或破坏性改动不太可能被合并。

Q:官方推荐的生产替代方案有哪些?

A:README 建议考虑 bitsandbytes 或 torchAO 等仍在积极开发、面向生产量化的项目。

Q:支持哪些量化精度?

A:支持 int2、int4、int8 和 float8 权重,以及 int8 和 float8 激活。

Q:量化后的模型可以放到哪些设备?

A:README 说明量化模型可放到任意设备,包括 CUDA 和 MPS。

注意事项

  • README 明确项目处于维护模式,主要接收维护类 PR。
  • README 建议生产可用量化可考虑 bitsandbytes 或 torchAO。
  • 量化模型序列化兼容 PyTorch weight_only 与 safetensors。

核心亮点

  • 与 optimum/transformers 深度集成,加载和量化 Hugging Face 模型只需少量代码
  • 同时覆盖 PTQ 与 QAT,支持 int8/int4/float8 多种精度和逐通道、逐组量化粒度
  • 提供 QTensor 与 QuantizedModel 抽象,量化后模型仍可像普通 nn.Module 一样前向和保存

不足之处

  • 对非 transformers 的自定义模型和算子覆盖有限,部分层需手动处理
  • 文档和示例相对精简,量化调优与排错门槛偏高

适用场景

  • 在单卡显存有限时把 LLM 量化到 int4 做本地推理
  • 对视觉或 NLP 模型做训练后量化以降低部署成本
  • 用 QAT 在微调阶段恢复量化带来的精度损失

替代项目

bitsandbytes、GPTQ-for-LLaMa、torchao

上一篇:Awesome-Model-Quantization

下一篇:Olive

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 464 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 63828 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1317 2026-08-13