search

ztxz16 / fastllm

纯c++的全平台llm加速库，支持python调用，chatglm-6B级模型单卡可达10000+token / s，支持glm, llama, moss基座，手机端流畅运行
Apache License 2.0
3.31k stars 339 forks source link

请求 torch2flm 适配已经量化发布的模型 #330

Open lockmatrix opened 1 year ago

lockmatrix commented 1 year ago

例如： https://huggingface.co/baichuan-inc/Baichuan2-13B-Chat-4bits

目前 torch2flm 内部还是将已经量化的模型转换为float16，再按标准方式进行量化的。速度很慢 这其中还容易遇到除0错误。

希望能够直接适配转换这种已经按照量化发布的模型，快速导入，并且自动设置 c_min c_max等。