Buckets:
| # Quanto | |
| > [!WARNING] | |
| > O backend Quanto está obsoleto e será removido na versão 1.0.0. Considere alternar para um dos outros [backends de quantização](./overview) suportados, como [bitsandbytes](./bitsandbytes) ou [torchao](./torchao). | |
| [Quanto](https://github.com/huggingface/optimum-quanto) é um backend de quantização do PyTorch para o [Optimum](https://huggingface.co/docs/optimum/en/index). Ele foi projetado com foco em versatilidade e simplicidade: | |
| - Todos os recursos estão disponíveis no modo eager (funciona com modelos que não podem ser rastreados) | |
| - Suporta treinamento com quantização | |
| - Modelos quantizados são compatíveis com `torch.compile` | |
| - Modelos quantizados são agnósticos em relação ao dispositivo (por exemplo, CUDA, XPU, MPS, CPU) | |
| Para usar o backend Quanto, você primeiro precisa instalar `optimum-quanto>=0.2.6` e `accelerate` | |
| ```shell | |
| pip install optimum-quanto accelerate | |
| ``` | |
| Agora você pode quantizar um modelo passando o objeto `QuantoConfig` para o método `from_pretrained()`. Embora a biblioteca Quanto permita quantizar os módulos `nn.Conv2d` e `nn.LayerNorm`, atualmente, o Diffusers suporta apenas a quantização dos pesos nas camadas `nn.Linear` de um modelo. O trecho a seguir demonstra como aplicar a quantização `float8` com o Quanto. | |
| ```python | |
| import torch | |
| from diffusers import FluxTransformer2DModel, QuantoConfig | |
| model_id = "black-forest-labs/FLUX.1-dev" | |
| quantization_config = QuantoConfig(weights_dtype="float8") | |
| transformer = FluxTransformer2DModel.from_pretrained( | |
| model_id, | |
| subfolder="transformer", | |
| quantization_config=quantization_config, | |
| dtype=torch.bfloat16, | |
| ) | |
| pipe = FluxPipeline.from_pretrained(model_id, transformer=transformer, dtype=dtype) | |
| pipe.to("cuda") # or "mps", "xpu", "cpu" | |
| prompt = "A cat holding a sign that says hello world" | |
| image = pipe( | |
| prompt, num_inference_steps=50, guidance_scale=4.5, max_sequence_length=512 | |
| ).images[0] | |
| image.save("output.png") | |
| ``` | |
| ## Pular a Quantização em módulos específicos | |
| É possível pular a aplicação de quantização em determinados módulos usando o argumento `modules_to_not_convert` no `QuantoConfig`. Certifique-se de que os módulos passados para este argumento correspondam às chaves dos módulos no `state_dict` | |
| ```python | |
| import torch | |
| from diffusers import FluxTransformer2DModel, QuantoConfig | |
| model_id = "black-forest-labs/FLUX.1-dev" | |
| quantization_config = QuantoConfig(weights_dtype="float8", modules_to_not_convert=["proj_out"]) | |
| transformer = FluxTransformer2DModel.from_pretrained( | |
| model_id, | |
| subfolder="transformer", | |
| quantization_config=quantization_config, | |
| dtype=torch.bfloat16, | |
| ) | |
| ``` | |
| ## Usando `from_single_file` com o Backend Quanto | |
| `QuantoConfig` é compatível com `~FromOriginalModelMixin.from_single_file`. | |
| ```python | |
| import torch | |
| from diffusers import FluxTransformer2DModel, QuantoConfig | |
| ckpt_path = "https://huggingface.co/black-forest-labs/FLUX.1-dev/blob/main/flux1-dev.safetensors" | |
| quantization_config = QuantoConfig(weights_dtype="float8") | |
| transformer = FluxTransformer2DModel.from_single_file(ckpt_path, quantization_config=quantization_config, dtype=torch.bfloat16) | |
| ``` | |
| ## Salvando modelos quantizados | |
| O Diffusers suporta a serialização de modelos Quanto usando o método `~ModelMixin.save_pretrained`. | |
| Os requisitos de serialização e carregamento são diferentes para modelos quantizados diretamente com a biblioteca Quanto e modelos quantizados com Diffusers usando Quanto como backend. Atualmente, não é possível carregar modelos quantizados diretamente com Quanto no Diffusers usando `~ModelMixin.from_pretrained` | |
| ```python | |
| import torch | |
| from diffusers import FluxTransformer2DModel, QuantoConfig | |
| model_id = "black-forest-labs/FLUX.1-dev" | |
| quantization_config = QuantoConfig(weights_dtype="float8") | |
| transformer = FluxTransformer2DModel.from_pretrained( | |
| model_id, | |
| subfolder="transformer", | |
| quantization_config=quantization_config, | |
| dtype=torch.bfloat16, | |
| ) | |
| # save quantized model to reuse | |
| transformer.save_pretrained("<your quantized model save path>") | |
| # you can reload your quantized model with | |
| model = FluxTransformer2DModel.from_pretrained("<your quantized model save path>") | |
| ``` | |
| ## Usando `torch.compile` com Quanto | |
| Atualmente, o backend Quanto suporta `torch.compile` para os seguintes tipos de quantização: | |
| - pesos `int8` | |
| ```python | |
| import torch | |
| from diffusers import FluxPipeline, FluxTransformer2DModel, QuantoConfig | |
| model_id = "black-forest-labs/FLUX.1-dev" | |
| quantization_config = QuantoConfig(weights_dtype="int8") | |
| transformer = FluxTransformer2DModel.from_pretrained( | |
| model_id, | |
| subfolder="transformer", | |
| quantization_config=quantization_config, | |
| dtype=torch.bfloat16, | |
| ) | |
| transformer = torch.compile(transformer, mode="max-autotune", fullgraph=True) | |
| pipe = FluxPipeline.from_pretrained( | |
| model_id, transformer=transformer, dtype=dtype | |
| ) | |
| pipe.to("cuda") # or "mps", "xpu", "cpu" | |
| images = pipe("A cat holding a sign that says hello").images[0] | |
| images.save("flux-quanto-compile.png") | |
| ``` | |
| ## Tipos de Quantização Suportados | |
| ### Pesos | |
| - float8 | |
| - int8 | |
| - int4 | |
| - int2 | |
Xet Storage Details
- Size:
- 5.16 kB
- Xet hash:
- c9bf54919c90af53a49cd8363d13febc4a568ea733decbfbcbcf571bd8bb7edb
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.