Buckets:

hf-doc-build
/

doc

Files

xet

hf-doc-build/doc / diffusers /main /tr /quantization /autoround.md

mishig

about 20 hours ago

preview code

download

raw

7.84 kB

# AutoRound

[AutoRound](https://github.com/intel/auto-round), gelişmiş bir kuantizasyon araç setidir. İşaret-gradyan inişinden (sign-gradient descent) yararlanarak ve geniş donanım uyumluluğu sağlayarak, minimal ayarlama ile ultra düşük bit genişliklerinde (2-4 bit) yüksek doğruluk elde eder. Daha fazla ayrıntı için [SignRoundV1](https://arxiv.org/pdf/2309.05516) ve [SignRoundV2](https://arxiv.org/abs/2512.04746) makalelerimize göz atın.

`auto-round` (sürüm ≥ 0.13.0) kurun:

```bash
pip install "auto-round>=0.13.0"
```

Daha hızlı CUDA çıkarımı için Marlin çekirdeğini kullanmak için `gptqmodel` paketini yükleyin:

```bash
pip install "gptqmodel>=5.8.0"
```

## Kantize edilmiş bir model yükleyin

`AutoRoundConfig` nesnesini [from_pretrained()](/docs/diffusers/main/tr/api/models/overview#diffusers.ModelMixin.from_pretrained) metoduna geçirerek önceden kantize edilmiş bir AutoRound modelini yükleyin. Bu yöntem, [Accelerate](https://hf.co/docs/accelerate/index) üzerinden yüklenen ve `torch.nn.Linear` katmanlarına sahip herhangi bir modelle çalışır.

Bir pipeline'ın belirli bileşenlerini kuantize etmek için [PipelineQuantizationConfig](/docs/diffusers/main/tr/api/quantization#diffusers.PipelineQuantizationConfig) kullanabilirsiniz:

```python
import torch
from diffusers import DiffusionPipeline, PipelineQuantizationConfig, AutoRoundConfig
pipeline_quant_config = PipelineQuantizationConfig(
    quant_mapping={"transformer": AutoRoundConfig(backend="auto")}
)
pipe = DiffusionPipeline.from_pretrained(
    "INCModel/Z-Image-W4A16-AutoRound",
    quantization_config=pipeline_quant_config,
    dtype=torch.bfloat16,
    device_map="cuda",  # or "mps", "xpu", "cpu"
)
image = pipe("a cat holding a sign that says hello").images[0]
image.save("output.png")
```

Veya bir kuantize model bileşenini doğrudan yükleyin:

```python
import torch
from diffusers import ZImageTransformer2DModel, ZImagePipeline, AutoRoundConfig
model_id = "INCModel/Z-Image-W4A16-AutoRound"
quantization_config = AutoRoundConfig(backend="auto")
transformer = ZImageTransformer2DModel.from_pretrained(
    model_id,
    subfolder="transformer",
    quantization_config=quantization_config,
    dtype=torch.bfloat16,
    device_map="cuda",  # or "mps", "xpu", "cpu"
)
pipe = ZImagePipeline.from_pretrained(
    model_id,
    transformer=transformer,
    dtype=torch.bfloat16,
    device_map="cuda",
)
image = pipe("a cat holding a sign that says hello").images[0]
image.save("output.png")
```

> [!NOTE]
> Diffusers içindeki AutoRound yalnızca *önceden kuantize edilmiş* modellerin yüklenmesini destekler. Bir modeli sıfırdan kuantize etmek için [AutoRound CLI veya Python API](https://github.com/intel/auto-round) doğrudan kullanılmalı, ardından sonuç Diffusers ile yüklenmelidir.

## torch.compile

AutoRound, daha hızlı çıkarım için [`torch.compile`](../optimization/fp16#torchcompile) ile uyumludur. Daha iyi performans için kuantize edilmiş dönüştürücüyü (DiT) derleyebilirsiniz:

```python
import torch
from diffusers import DiffusionPipeline, PipelineQuantizationConfig, AutoRoundConfig
pipeline_quant_config = PipelineQuantizationConfig(
    quant_mapping={"transformer": AutoRoundConfig(backend="auto")}
)
pipe = DiffusionPipeline.from_pretrained(
    "INCModel/Z-Image-W4A16-AutoRound",
    quantization_config=pipeline_quant_config,
    dtype=torch.bfloat16,
    device_map="cuda",  # or "mps", "xpu", "cpu"
)
pipe.transformer = torch.compile(pipe.transformer, mode="default", fullgraph=False)
```

## Arka Uçlar

AutoRound, ağırlık-özel (weight-only) kuantize modeller için birden çok çıkarım (inference) arka ucunu destekler. Arka uç, ileri geçiş sırasında dekuantizasyonu hangi çekirdeğin (kernel) işleyeceğini belirler. Birini seçmek için `AutoRoundConfig` içindeki `backend` parametresini ayarlayın:

| Arka uç | Değer | Cihaz | Gereksinimler | Notlar |
|---------|-------|--------|--------------|-------|
| **Otomatik** | `"auto"` | Herhangi | — | Varsayılan. Kullanılabilir en iyi arka ucu otomatik olarak seçer. |
| **PyTorch** | `"torch"` | CPU / CUDA | — | Saf PyTorch uygulaması. En geniş uyumluluk. |
| **Triton** | `"tritonv2"` | CUDA | `triton` | GPU çıkarımı için Triton tabanlı çekirdek. |
| **ExllamaV2** | `"exllamav2"` | CUDA | `gptqmodel>=5.8.0` | ExllamaV2 çekirdeği sayesinde iyi CUDA performansı. |
| **Marlin** | `"marlin"` | CUDA | `gptqmodel>=5.8.0` | Marlin çekirdeği ile en iyi CUDA performansı. |

```python
from diffusers import AutoRoundConfig
# Auto-select (default)
config = AutoRoundConfig()
# Explicit Triton backend for CUDA
config = AutoRoundConfig(backend="tritonv2")
# Marlin backend for best CUDA performance (requires gptqmodel>=5.8.0)
config = AutoRoundConfig(backend="marlin")
# ExllamaV2 backend for good CUDA performance (requires gptqmodel>=5.8.0)
config = AutoRoundConfig(backend="exllamav2")
# PyTorch backend for CPU/CUDA inference
config = AutoRoundConfig(backend="torch")
```

## Kaydet ve yükle

AutoRound, bir modeli kuantize etmek için veri kalibrasyonu gerektirir. Bu işlem, Diffusers dışında doğrudan [AutoRound kütüphanesi](https://github.com/intel/auto-round) kullanılarak yapılır:

```python
from auto_round import AutoRound
autoround = AutoRound(
    "Tongyi-MAI/Z-Image",
    scheme="W4A16",  # W4G128 symmetric
    enable_torch_compile=True,
    num_inference_steps=3,
    guidance_scale=7.5,
    dataset="coco2014",
)
autoround.quantize_and_save("Z-Image-W4A16-AutoRound")
```

Kalibrasyon seçenekleri hakkında daha fazla ayrıntı için [AutoRound belgelerini](https://github.com/intel/auto-round) inceleyin.

```python
import torch
from diffusers import ZImageTransformer2DModel, ZImagePipeline
model_id = "INCModel/Z-Image-W4A16-AutoRound"
# The inference backend will be automatically selected.
pipe = ZImagePipeline.from_pretrained(
    model_id,
    dtype=torch.bfloat16,
    device_map="cuda",  # or "mps", "xpu", "cpu"
)
image = pipe("a cat holding a sign that says hello").images[0]
image.save("output.png")
```

### Desteklenen Kuantizasyon Şemaları

AutoRound birkaç Şema'yı destekler:

- **W4A16**(bits:4,group_size:128,sym:True,act_bits:16)
- **W8A16**(bits:8,group_size:128,sym:True,act_bits:16)
- **W3A16**(bits:3,group_size:128,sym:True,act_bits:16)
- **W2A16**(bits:2,group_size:128,sym:True,act_bits:16)
- **GGUF:Q4_K_M**(llamacpp tarafından sağlanan tüm Q*_K,Q*_0,Q*_1 desteklenir)
- **NVFP4**(Deneysel özellik, `llm_compressor` biçimine dışa aktarılması önerilir. data_type nvfp4,act_data_type nvfp4,static_global_scale,group_size 16)
- **MXFP4**(**Araştırma özelliği, gerçek çekirdek yok**, Standart MXFP4, data_type mxfp,act_data_type mxfp,bits 4, act_bits 4, group_size 32)
- **MXINT4**(**Araştırma özelliği, gerçek çekirdek yok**, Standart MXINT4, data_type mxint,act_data_type mxint,bits 4, act_bits 4, group_size 32)
- **MXFP4_RCEIL**(**Araştırma özelliği, gerçek çekirdek yok**, NVIDIA'nın varyantı, data_type mxfp, act_data_type mxfp_rceil, bits 4, act_bits 4, group_size 32)
- **MXFP8**(**Araştırma özelliği, gerçek çekirdek yok**, data_type mxfp,act_data_type mxfp_rceil,group_size 32)
- **FPW8A16**(**Araştırma özelliği, gerçek çekirdek yok**, data_type fp8,group_size 0->per tensor )
- **FP8_STATIC**(**Araştırma özelliği, gerçek çekirdek yok**, data_type:fp8,act_data_type:fp8,group_size -1 ->kanal başına, act_group_size=0->tensör başına)
Bunun dışında, `group_size`, `bits`, `sym` ve istediğiniz birçok diğer yapılandırmayı değiştirebilirsiniz, ancak gerçek çekirdekler olmayabilir.
## Kaynaklar
- [Hub'daki önceden kuantize edilmiş AutoRound modelleri](https://huggingface.co/models?search=autoround)

Xet Storage Details

Size:: 7.84 kB
Xet hash:: 3fee7733021a130eeedd6d6bd2c576906b7da0db8ecb04da906fa7966e7de3c6

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.

	# AutoRound

	[AutoRound](https://github.com/intel/auto-round), gelişmiş bir kuantizasyon araç setidir. İşaret-gradyan inişinden (sign-gradient descent) yararlanarak ve geniş donanım uyumluluğu sağlayarak, minimal ayarlama ile ultra düşük bit genişliklerinde (2-4 bit) yüksek doğruluk elde eder. Daha fazla ayrıntı için [SignRoundV1](https://arxiv.org/pdf/2309.05516) ve [SignRoundV2](https://arxiv.org/abs/2512.04746) makalelerimize göz atın.

	`auto-round` (sürüm ≥ 0.13.0) kurun:

	```bash
	pip install "auto-round>=0.13.0"
	```

	Daha hızlı CUDA çıkarımı için Marlin çekirdeğini kullanmak için `gptqmodel` paketini yükleyin:

	```bash
	pip install "gptqmodel>=5.8.0"
	```

	## Kantize edilmiş bir model yükleyin

	`AutoRoundConfig` nesnesini [from_pretrained()](/docs/diffusers/main/tr/api/models/overview#diffusers.ModelMixin.from_pretrained) metoduna geçirerek önceden kantize edilmiş bir AutoRound modelini yükleyin. Bu yöntem, [Accelerate](https://hf.co/docs/accelerate/index) üzerinden yüklenen ve `torch.nn.Linear` katmanlarına sahip herhangi bir modelle çalışır.

	Bir pipeline'ın belirli bileşenlerini kuantize etmek için [PipelineQuantizationConfig](/docs/diffusers/main/tr/api/quantization#diffusers.PipelineQuantizationConfig) kullanabilirsiniz:

	```python
	import torch
	from diffusers import DiffusionPipeline, PipelineQuantizationConfig, AutoRoundConfig

	pipeline_quant_config = PipelineQuantizationConfig(
	quant_mapping={"transformer": AutoRoundConfig(backend="auto")}
	)
	pipe = DiffusionPipeline.from_pretrained(
	"INCModel/Z-Image-W4A16-AutoRound",
	quantization_config=pipeline_quant_config,
	dtype=torch.bfloat16,
	device_map="cuda", # or "mps", "xpu", "cpu"
	)

	image = pipe("a cat holding a sign that says hello").images[0]
	image.save("output.png")
	```

	Veya bir kuantize model bileşenini doğrudan yükleyin:

	```python
	import torch
	from diffusers import ZImageTransformer2DModel, ZImagePipeline, AutoRoundConfig

	model_id = "INCModel/Z-Image-W4A16-AutoRound"

	quantization_config = AutoRoundConfig(backend="auto")
	transformer = ZImageTransformer2DModel.from_pretrained(
	model_id,
	subfolder="transformer",
	quantization_config=quantization_config,
	dtype=torch.bfloat16,
	device_map="cuda", # or "mps", "xpu", "cpu"
	)

	pipe = ZImagePipeline.from_pretrained(
	model_id,
	transformer=transformer,
	dtype=torch.bfloat16,
	device_map="cuda",
	)

	image = pipe("a cat holding a sign that says hello").images[0]
	image.save("output.png")
	```

	> [!NOTE]
	> Diffusers içindeki AutoRound yalnızca önceden kuantize edilmiş modellerin yüklenmesini destekler. Bir modeli sıfırdan kuantize etmek için [AutoRound CLI veya Python API](https://github.com/intel/auto-round) doğrudan kullanılmalı, ardından sonuç Diffusers ile yüklenmelidir.

	## torch.compile

	AutoRound, daha hızlı çıkarım için [`torch.compile`](../optimization/fp16#torchcompile) ile uyumludur. Daha iyi performans için kuantize edilmiş dönüştürücüyü (DiT) derleyebilirsiniz:

	```python
	import torch
	from diffusers import DiffusionPipeline, PipelineQuantizationConfig, AutoRoundConfig

	pipeline_quant_config = PipelineQuantizationConfig(
	quant_mapping={"transformer": AutoRoundConfig(backend="auto")}
	)
	pipe = DiffusionPipeline.from_pretrained(
	"INCModel/Z-Image-W4A16-AutoRound",
	quantization_config=pipeline_quant_config,
	dtype=torch.bfloat16,
	device_map="cuda", # or "mps", "xpu", "cpu"
	)

	pipe.transformer = torch.compile(pipe.transformer, mode="default", fullgraph=False)
	```

	## Arka Uçlar

	AutoRound, ağırlık-özel (weight-only) kuantize modeller için birden çok çıkarım (inference) arka ucunu destekler. Arka uç, ileri geçiş sırasında dekuantizasyonu hangi çekirdeğin (kernel) işleyeceğini belirler. Birini seçmek için `AutoRoundConfig` içindeki `backend` parametresini ayarlayın:

	\| Arka uç \| Değer \| Cihaz \| Gereksinimler \| Notlar \|
	\|---------\|-------\|--------\|--------------\|-------\|
	\| Otomatik \| `"auto"` \| Herhangi \| — \| Varsayılan. Kullanılabilir en iyi arka ucu otomatik olarak seçer. \|
	\| PyTorch \| `"torch"` \| CPU / CUDA \| — \| Saf PyTorch uygulaması. En geniş uyumluluk. \|
	\| Triton \| `"tritonv2"` \| CUDA \| `triton` \| GPU çıkarımı için Triton tabanlı çekirdek. \|
	\| ExllamaV2 \| `"exllamav2"` \| CUDA \| `gptqmodel>=5.8.0` \| ExllamaV2 çekirdeği sayesinde iyi CUDA performansı. \|
	\| Marlin \| `"marlin"` \| CUDA \| `gptqmodel>=5.8.0` \| Marlin çekirdeği ile en iyi CUDA performansı. \|

	```python
	from diffusers import AutoRoundConfig

	# Auto-select (default)
	config = AutoRoundConfig()

	# Explicit Triton backend for CUDA
	config = AutoRoundConfig(backend="tritonv2")

	# Marlin backend for best CUDA performance (requires gptqmodel>=5.8.0)
	config = AutoRoundConfig(backend="marlin")

	# ExllamaV2 backend for good CUDA performance (requires gptqmodel>=5.8.0)
	config = AutoRoundConfig(backend="exllamav2")

	# PyTorch backend for CPU/CUDA inference
	config = AutoRoundConfig(backend="torch")
	```

	## Kaydet ve yükle

	AutoRound, bir modeli kuantize etmek için veri kalibrasyonu gerektirir. Bu işlem, Diffusers dışında doğrudan [AutoRound kütüphanesi](https://github.com/intel/auto-round) kullanılarak yapılır:

	```python
	from auto_round import AutoRound

	autoround = AutoRound(
	"Tongyi-MAI/Z-Image",
	scheme="W4A16", # W4G128 symmetric
	enable_torch_compile=True,
	num_inference_steps=3,
	guidance_scale=7.5,
	dataset="coco2014",
	)
	autoround.quantize_and_save("Z-Image-W4A16-AutoRound")
	```

	Kalibrasyon seçenekleri hakkında daha fazla ayrıntı için [AutoRound belgelerini](https://github.com/intel/auto-round) inceleyin.

	```python
	import torch
	from diffusers import ZImageTransformer2DModel, ZImagePipeline

	model_id = "INCModel/Z-Image-W4A16-AutoRound"

	# The inference backend will be automatically selected.
	pipe = ZImagePipeline.from_pretrained(
	model_id,
	dtype=torch.bfloat16,
	device_map="cuda", # or "mps", "xpu", "cpu"
	)

	image = pipe("a cat holding a sign that says hello").images[0]
	image.save("output.png")
	```

	### Desteklenen Kuantizasyon Şemaları

	AutoRound birkaç Şema'yı destekler:

	- W4A16(bits:4,group_size:128,sym:True,act_bits:16)
	- W8A16(bits:8,group_size:128,sym:True,act_bits:16)
	- W3A16(bits:3,group_size:128,sym:True,act_bits:16)
	- W2A16(bits:2,group_size:128,sym:True,act_bits:16)
	- GGUF:Q4_K_M(llamacpp tarafından sağlanan tüm Q_K,Q_0,Q*_1 desteklenir)
	- NVFP4(Deneysel özellik, `llm_compressor` biçimine dışa aktarılması önerilir. data_type nvfp4,act_data_type nvfp4,static_global_scale,group_size 16)
	- MXFP4(Araştırma özelliği, gerçek çekirdek yok, Standart MXFP4, data_type mxfp,act_data_type mxfp,bits 4, act_bits 4, group_size 32)
	- MXINT4(Araştırma özelliği, gerçek çekirdek yok, Standart MXINT4, data_type mxint,act_data_type mxint,bits 4, act_bits 4, group_size 32)
	- MXFP4_RCEIL(Araştırma özelliği, gerçek çekirdek yok, NVIDIA'nın varyantı, data_type mxfp, act_data_type mxfp_rceil, bits 4, act_bits 4, group_size 32)
	- MXFP8(Araştırma özelliği, gerçek çekirdek yok, data_type mxfp,act_data_type mxfp_rceil,group_size 32)
	- FPW8A16(Araştırma özelliği, gerçek çekirdek yok, data_type fp8,group_size 0->per tensor )
	- FP8_STATIC(Araştırma özelliği, gerçek çekirdek yok, data_type:fp8,act_data_type:fp8,group_size -1 ->kanal başına, act_group_size=0->tensör başına)

	Bunun dışında, `group_size`, `bits`, `sym` ve istediğiniz birçok diğer yapılandırmayı değiştirebilirsiniz, ancak gerçek çekirdekler olmayabilir.

	## Kaynaklar

	- [Hub'daki önceden kuantize edilmiş AutoRound modelleri](https://huggingface.co/models?search=autoround)