项目预览
项目数据
项目介绍
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
技术标签
使用教程
—
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)
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···
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!
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···
