机器学习平台是一套服务于专业算法工程师，整合云原生的工具+算力（GPU、CPU云服务器），进行一站式AI算法开发和迭代的平台。本方案将为您介绍如何在 MLP 对 Meta-Llama-3.1-8B 的开源模型进行AWQ量化。

本方案以对 Meta-Llama-3.1-8B 模型进行AWQ量化为例，在开始执行操作前，请确认您已经完成以下准备工作：

• 已开通网络/TOS/CFS，具体操作详见更改预付费资源组的负载网络VPC--机器学习平台-火山引擎、控制台快速入门--对象存储-火山引擎、访问文件存储实例--大数据文件存储-火山引擎。

• 已购买 MLP 资源，详见创建资源组--机器学习平台-火山引擎。关于资源价格详情，请详见实例规格及定价--机器学习平台-火山引擎。

• 已创建开发机实例，其中关键参数配置如下。具体操作详见创建开发机--机器学习平台-火山引擎。

  • 资源规格：配置以下资源规格。

    • CPU 实例：8C/64G/20GB云盘。
    • GPU 卡数：最佳实践采用 1 台 xni3c。

  • 挂载配置：挂载 TOS bucket 和 CFS，具体操作详见训练代码如何访问TOS--机器学习平台-火山引擎。

  • 镜像地址：在自定义镜像处配置下方镜像，填写 SSH key 并挂载 TOS。由于拉取的镜像较大，首次创建开发机时间预计 20 分钟。

    vemlp-demo-cn-shanghai.cr.volces.com/demo/quantization:1.0
    

1. 进入开发机。

   1. 登陆 账号登录-火山引擎。
   2. 在左侧导航栏单击开发机，在开发机列表页面中单击待操作的开发机名称，进入对应开发机内。
   3. 通过 SSH 远程登录开发机，具体操作详见通过SSH远程连接开发机--机器学习平台-火山引擎。

2. 配置 volc configure。具体操作详见使用文档--机器学习平台-火山引擎。

# 配置AK/SK，以及环境的Region
volc configure

3. 进行Huggingface 环境配置。

export HF_TOKEN=<User Specific Huggingface Access Token> 
export HF_ENDPOINT=https://hf-mirror.com 、
pip3 install -U huggingface_hub

参数说明如下：

1. 在 Terminal 中执行以下命令，通过镜像源下载 Llama-3.1-8B 模型，并打开挂载的存储桶路径。

cd /vemlp-demo-models
mkdir model-llama-awq
cd model-llama-awq
huggingface-cli download --token $HF_TOKEN --resume-download meta-llama/Meta-Llama-3.1-8B-Instruct --local-dir $ORIGINAL_MODEL_PATH

其中运行 huggingface-cli 命令行，需要传入的参数列表说明如下：

在 Terminal 执行以下命令，可以直接下载开源的 wikitext2 数据集，来帮助 AWQ 做量化校准。

cd /vemlp-demo-models
mkdir datasets-llama-awq
huggingface-cli download --repo-type dataset --resume-download carlosejimenez/wikitext__wikitext-2-raw-v1 --local-dir $CALIB_DATASET_PATH

参数说明如下：

4.1 创建量化脚本

1. 在 Terminal 中执行以下命令，创建量化脚本 awq-quant.py。

cd /vemlp-demo-models
touch awq-quant.py

2. 编辑脚本内容，替换为需要配置的信息。

import os
from awq import AutoAWQForCausalLM
from transformers import AutoTokenizer
from datasets import load_dataset

# 配置模型、数据集地址
os.environ['BASE_MODEL_PATH'] = '/vemlp-demo-models/model-llama-awq/Meta-Llama-3.1-8B'
os.environ['CALIB_DATASET_PATH'] = '/vemlp-demo-models/datasets-llama-awq/'
os.environ['QUANT_MODEL_PATH'] = '/vemlp-demo-models/model-quant-awq'

model_path = os.getenv('BASE_MODEL_PATH')
dataset_path = os.getenv('CALIB_DATASET_PATH')
quant_path = os.getenv('QUANT_MODEL_PATH')

# 加载基础模型及tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoAWQForCausalLM.from_pretrained(model_path, device_map="auto", safetensors=True)

# 加载校准数据集，并准备数据以进行校准。
data = load_dataset(dataset_path, split="train")
dataset = [text for text in data["text"] if text.strip() != '' and len(text.split(' ')) > 20]

# 设置AWQ量化的超参数，目前AutoAWQ仅支持4bit量化，需设置w_bit为4
quant_config = { "zero_point": True, "q_group_size": 128, "w_bit": 4, "version": "GEMM" }
model.quantize(tokenizer, quant_config=quant_config, calib_data=dataset)

model.save_quantized(quant_path, safetensors=True, shard_size="4GB")
tokenizer.save_pretrained(quant_path)

4.2 创建Shell脚本并执行

1. 在 Terminal 中执行以下命令，创建 shell 脚本 awq-quant.sh。请确保 awq-quant.sh 与 awq-quant.py 两个文件在同一层级目录。

cd /vemlp-demo-models/
touch awq-quant.sh

2. 编辑脚本内容，替换为需要配置的信息。

set  -ex

pip install autoawq==0.2.6
python3 awq-quant.py
echo "Finished Model Quantization Task"

# 如果用 ml.pni2 且 GPU driver 是470，可以运行下述命令
pip install autoawq==0.2.1 torch==2.1.0+cu118
pip install autoawq==0.2.1
pip install torch==2.1.0+cu118  --index-url [https://download.pytorch.org/whl](https://download.pytorch.org/whl)
python3 awq-quant.py
echo "Finished Model Quantization Task"

3. 执行脚本。

cd /vemlp-demo-models/
bash ./awq-quant.sh

执行完成后，输出路径文件如下。

4.3 量化后模型对比

1. 在 Terminal 中执行以下命令，对量化前的基础模型和量化模型进行对比。

du -sh $BASE_MODEL_PATH $QUANT_MODEL_PATH

对比结果如下：可见在模型容量上，经过 AWQ 4bit 量化后模型大小约为量化前模型的1/3。

2. 在 Terminal 中执行以下命令，对量化前后的config.json文件进行对比。

diff $QUANT_MODEL_PATH/config.json $BASE_MODEL_PATH/config.json

对比结果如下：可见量化后模型多了关于量化的信息 -- quantization_config。

方式一：控制台

1. 进入自定义任务控制台

2. 配置环境

   1. 在自定义镜像处配置镜像。

   vemlp-cn-beijing.cr.volces.com/preset-images/pytorch:2.1.0
   

   3. 填写入口命令。请注意 TOS 在开发机上挂载的路径与自定义任务中挂载的路径不一致，在入口命令填写数据集路径环境变量中填写模型路径时，需确保为自定义任务中挂载的路径。

   cat > awq-quant.py <<EOF
   import os
   from awq import AutoAWQForCausalLM
   from transformers import AutoTokenizer
   from datasets import load_dataset
   
   # 模型、数据集地址配置
   os.environ['BASE_MODEL_PATH'] = '/vemlp-demo-models/model-llama-awq/Meta-Llama-3.1-8B'
   os.environ['CALIB_DATASET_PATH'] = '/vemlp-demo-models/datasets-llama-awq/'
   os.environ['QUANT_MODEL_PATH'] = '/vemlp-demo-models/model-quant-awq'
   
   model_path = os.getenv('BASE_MODEL_PATH')
   dataset_path = os.getenv('CALIB_DATASET_PATH')
   quant_path = os.getenv('QUANT_MODEL_PATH')
   
   tokenizer = AutoTokenizer.from_pretrained(model_path)
   model = AutoAWQForCausalLM.from_pretrained(model_path, device_map="auto", safetensors=True)
   
   data = load_dataset(dataset_path, split="train")
   dataset = [text for text in data["text"] if text.strip() != '' and len(text.split(' ')) > 20]
   
   # 设置量化超参数
   quant_config = { "zero_point": True, "q_group_size": 128, "w_bit": 4, "version": "GEMM" }
   model.quantize(tokenizer, quant_config=quant_config, calib_data=dataset)
   
   model.save_quantized(quant_path, safetensors=True, shard_size="4GB")
   tokenizer.save_pretrained(quant_path)
   EOF
   
   pip install autoawq==0.2.6
   python3 awq-quant.py
   

   

3. 配置资源

   1. 选择合适的资源，最佳实践所用机器为 1 台 xni3c。
   2. 挂载 TOS 和 CFS。需要注意：TOS 在开发机上挂载的路径与自定义任务中挂载的路径不一致，在环境变量中填写模型路径时需确保为自定义任务中挂载的路径。
      

方式二：命令行

1. 在 Terminal 中执行以下命令，编辑 awq-quant.py。将开发机中的云盘访问路径变更为自定义任务中的访问路径。

import os
  from awq import AutoAWQForCausalLM
  from transformers import AutoTokenizer
  from datasets import load_dataset

  # 配置模型、数据集地址
  os.environ['BASE_MODEL_PATH'] = '/data/model-llama/Meta-Llama-3.1-8B'
  os.environ['CALIB_DATASET_PATH'] = '/data/datasets-llama-quant/'
  os.environ['QUANT_MODEL_PATH'] = '/data/model-quant-awq'

  model_path = os.getenv('BASE_MODEL_PATH')
	dataset_path = os.getenv('CALIB_DATASET_PATH')
	quant_path = os.getenv('QUANT_MODEL_PATH')

	# 加载基础模型及tokenizer
	tokenizer = AutoTokenizer.from_pretrained(model_path)
	model = AutoAWQForCausalLM.from_pretrained(model_path, device_map="auto", safetensors=True)

	# 加载校准数据集，并准备数据以进行校准。
	data = load_dataset(dataset_path, split="train")
	dataset = [text for text in data["text"] if text.strip() != '' and len(text.split(' ')) > 20]

	# 设置AWQ量化的超参数，目前AutoAWQ仅支持4bit量化，需设置w_bit为4
	quant_config = { "zero_point": True, "q_group_size": 128, "w_bit": 4, "version": "GEMM" }
	model.quantize(tokenizer, quant_config=quant_config, calib_data=dataset)

	model.save_quantized(quant_path, safetensors=True, shard_size="4GB")
	tokenizer.save_pretrained(quant_path)

2. 在 Terminal 中执行以下命令，创建一个用于执行量化的自定义任务的 quantization-task.yaml 文件。

cd /vemlp-demo-models/
touch quantization-task.yaml

3. 编辑量化任务提交的 yaml 文件。

TaskName:  "Quant-Meta-Llama-3-1-8B-Instruct-AWQ-INT4"
Description:  "Use AWQ to quantize Meta-Llama-3.1-8B-Instruct in INT4 format"
Entrypoint: |
    cd  /data && bash ./awq-quant.sh
Tags: []
Envs: []

ResourceQueueID:  "q-**************"            #请替换为你自己的 ResourceQueueID
Framework:  "PyTorchDDP"
TaskRoleSpecs:                                  #请替换为你自己的 TaskRoleSpecs
        - RoleName:  "worker"
            RoleReplicas: 1
            Flavor:  "custom"
            ResourceSpec:
                    Family:  "ml.xni3c"
                    CPU: 15.000
                    Memory: 70.000
                    GPUNum: 1
            
ActiveDeadlineSeconds: 3600
EnableTensorBoard: False

Storages:                                        #请替换为你自己的 Storages
        - Type:  "Tos"
            MountPath:  "/data"
            Bucket:  "vemlp-demo-models"
            FsName": "testmodel"
            MetaCacheExpiryMinutes: "-1"

ImageUrl: "vemlp-demo-cn-shanghai.cr.volces.com/demo/quantization:1.0"
CacheType: "Cloudfs"

RetryOptions:
        EnableRetry: False
        MaxRetryTimes: 5
        IntervalSeconds: 120
        PolicySets: []

4. 在 Terminal 中执行以下命令，进行自定义任务提交。

volc ml_task submit --conf=/vemlp-demo-models/awq-quantization-task.yaml

5. 量化模型前后对比查看可参考上文。