# EETQ

A biblioteca [Easy & Efficient Quantization for Transformers (EETQ)](https://github.com/NetEase-FuXi/EETQ) suporta quantização int8 apenas de pesos por canal para GPUs NVIDIA. Ela usa kernels de GEMM e GEMV de alto desempenho do [FasterTransformer](https://github.com/NVIDIA/FasterTransformer) e do [TensorRT-LLM](https://github.com/NVIDIA/TensorRT-LLM). A camada de atenção é otimizada com [FlashAttention2](https://github.com/Dao-AILab/flash-attention). Não é necessário um conjunto de dados de calibração, e o modelo não precisa ser pré-quantizado. A degradação de precisão é negligenciável devido à quantização por canal.

O EETQ também oferece suporte ao fine-tuning com [PEFT](https://huggingface.co/docs/peft).

Instale o EETQ a partir da [página de releases](https://github.com/NetEase-FuXi/EETQ/releases) ou do [código-fonte](https://github.com/NetEase-FuXi/EETQ). O CUDA 11.4+ é obrigatório para o EETQ.

```bash
pip install --no-cache-dir https://github.com/NetEase-FuXi/EETQ/releases/download/v1.0.0/EETQ-1.0.0+cu121+torch2.1.2-cp310-cp310-linux_x86_64.whl
```

```bash
git clone https://github.com/NetEase-FuXi/EETQ.git
cd EETQ/
git submodule update --init --recursive
pip install .
```

Quantize um modelo em tempo de execução definindo o tipo de dados de quantização em [EetqConfig](/docs/transformers/main/pt/main_classes/quantization#transformers.EetqConfig).

```py
from transformers import AutoModelForCausalLM, EetqConfig

quantization_config = EetqConfig("int8")
model = AutoModelForCausalLM.from_pretrained(
    "meta-llama/Llama-3.1-8B",
    dtype="auto",
    device_map="auto",
    quantization_config=quantization_config
)
```

Salve o modelo quantizado com [save_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.save_pretrained) para que ele possa ser reutilizado novamente com [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained).

```py
quant_path = "/path/to/save/quantized/model"
model.save_pretrained(quant_path)
model = AutoModelForCausalLM.from_pretrained(quant_path, device_map="auto")
```