AIGC動態歡迎閱讀

原標題：大模型量化技術原理：FP8
關鍵字：累加器,精度,模型,權重,表示
文章來源：智猩猩AGI
內容字數：0字

內容摘要：

?生成式AI時代最火AI芯片峰會下月來襲！9月6-7日，智猩猩發起主辦的2024全球AI芯片峰會將在北京盛大舉行。峰會設有開幕式、數據中心AI芯片專場、邊緣/端側AI芯片專場、智算集群技術論壇等7大板塊。目前，來自AMD、高通、Habana、壁仞科技、摩爾線程、蘋芯科技、億鑄科技、凌川科技、云天勵飛、中國移動研究院、北極雄芯等40+企業的嘉賓已確認演講或討論。掃名或購票～近年來，隨著Transformer、MOE架構的提出，使得深度學習模型輕松突破上萬億規模參數，從而導致模型變得越來越大，因此，我們需要一些大模型壓縮技術來降低模型部署的成本，并提升模型的推理性能。模型壓縮主要分為如下幾類：
剪枝（Pruning）
知識蒸餾（Knowledge Distillation）
量化Quantization）本系列將針對一些常見大模型量化方案（GPTQ、LLM.int8()、SmoothQuant、AWQ等）進行講述。
大模型量化概述
量化感知訓練：
大模型量化感知訓練技術原理：LLM-QAT
大模型量化感知微調技術原理：QLoRA
訓練后量化：
大模型量化技術原理：GPTQ、LLM.in

原文鏈接：大模型量化技術原理：FP8

聯系作者

文章來源：智猩猩AGI
作者微信：
作者簡介：