# FBGEMM

[FBGEMM (Facebook GEneral Matrix Multiplication)](https://github.com/pytorch/FBGEMM) é uma biblioteca de multiplicação de matrizes de baixa precisão para tamanhos de lote pequenos, com suporte a técnicas que minimizam a perda de precisão, como quantização por linha e quantização com consciência de outliers. Com o FBGEMM, quantize os pesos de um modelo para 8 bits/canal e as ativações para 8 bits/tóquio (também conhecido como fp8 ou w8a8).

> [!TIP]
> Você precisa de uma GPU com [capacidade de computação 9+](https://developer.nvidia.com/cuda-gpus#collapseOne), como uma H100.

Instale o pacote FBGEMM_GPU com o comando abaixo para garantir que você tem a versão mais recente.

```bash
pip install --upgrade accelerate fbgemm-gpu torch
```

Se você estiver tendo problemas de instalação, tente instalar a [versão noturna](https://pytorch.org/FBGEMM/fbgemm_gpu-development/InstallationInstructions.html#fbgemm-gpu-install-libraries:~:text=found%20here.-,Install%20the%20FBGEMM_GPU%20Package,-Install%20through%20PyTorch).

Crie um [FbgemmFp8Config](/docs/transformers/main/pt/main_classes/quantization#transformers.FbgemmFp8Config) e passe-o para [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained) para quantizar um modelo para fp8.

```py
from transformers import FbgemmFp8Config, AutoModelForCausalLM

quantization_config = FbgemmFp8Config()
quantized_model = AutoModelForCausalLM.from_pretrained(
    "meta-llama/Meta-Llama-3-8B",
    dtype="auto",
    device_map="auto",
    quantization_config=quantization_config
)
```

[save_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.save_pretrained) e [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained) permitem salvar e carregar um modelo quantizado.

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

## Recursos

Leia o post no blog [Open-sourcing FBGEMM for state-of-the-art server-side inference](https://engineering.fb.com/2018/11/07/ml-applications/fbgemm/) para mais detalhes sobre o FBGEMM.