# Quanto

> [!WARNING]
> O backend Quanto está obsoleto e será removido na versão 1.0.0. Considere alternar para um dos outros [backends de quantização](./overview) suportados, como [bitsandbytes](./bitsandbytes) ou [torchao](./torchao).

[Quanto](https://github.com/huggingface/optimum-quanto) é um backend de quantização do PyTorch para o [Optimum](https://huggingface.co/docs/optimum/en/index). Ele foi projetado com foco em versatilidade e simplicidade:

- Todos os recursos estão disponíveis no modo eager (funciona com modelos que não podem ser rastreados)
- Suporta treinamento com quantização
- Modelos quantizados são compatíveis com `torch.compile`
- Modelos quantizados são agnósticos em relação ao dispositivo (por exemplo, CUDA, XPU, MPS, CPU)

Para usar o backend Quanto, você primeiro precisa instalar `optimum-quanto>=0.2.6` e `accelerate`

```shell
pip install optimum-quanto accelerate
```

Agora você pode quantizar um modelo passando o objeto `QuantoConfig` para o método `from_pretrained()`. Embora a biblioteca Quanto permita quantizar os módulos `nn.Conv2d` e `nn.LayerNorm`, atualmente, o Diffusers suporta apenas a quantização dos pesos nas camadas `nn.Linear` de um modelo. O trecho a seguir demonstra como aplicar a quantização `float8` com o Quanto.

```python
import torch
from diffusers import FluxTransformer2DModel, QuantoConfig

model_id = "black-forest-labs/FLUX.1-dev"
quantization_config = QuantoConfig(weights_dtype="float8")
transformer = FluxTransformer2DModel.from_pretrained(
      model_id,
      subfolder="transformer",
      quantization_config=quantization_config,
      dtype=torch.bfloat16,
)

pipe = FluxPipeline.from_pretrained(model_id, transformer=transformer, dtype=dtype)
pipe.to("cuda")  # or "mps", "xpu", "cpu"

prompt = "A cat holding a sign that says hello world"
image = pipe(
    prompt, num_inference_steps=50, guidance_scale=4.5, max_sequence_length=512
).images[0]
image.save("output.png")
```

## Pular a Quantização em módulos específicos

É possível pular a aplicação de quantização em determinados módulos usando o argumento `modules_to_not_convert` no `QuantoConfig`. Certifique-se de que os módulos passados para este argumento correspondam às chaves dos módulos no `state_dict`

```python
import torch
from diffusers import FluxTransformer2DModel, QuantoConfig

model_id = "black-forest-labs/FLUX.1-dev"
quantization_config = QuantoConfig(weights_dtype="float8", modules_to_not_convert=["proj_out"])
transformer = FluxTransformer2DModel.from_pretrained(
      model_id,
      subfolder="transformer",
      quantization_config=quantization_config,
      dtype=torch.bfloat16,
)
```

## Usando `from_single_file` com o Backend Quanto

`QuantoConfig` é compatível com `~FromOriginalModelMixin.from_single_file`.

```python
import torch
from diffusers import FluxTransformer2DModel, QuantoConfig

ckpt_path = "https://huggingface.co/black-forest-labs/FLUX.1-dev/blob/main/flux1-dev.safetensors"
quantization_config = QuantoConfig(weights_dtype="float8")
transformer = FluxTransformer2DModel.from_single_file(ckpt_path, quantization_config=quantization_config, dtype=torch.bfloat16)
```

## Salvando modelos quantizados

O Diffusers suporta a serialização de modelos Quanto usando o método `~ModelMixin.save_pretrained`.

Os requisitos de serialização e carregamento são diferentes para modelos quantizados diretamente com a biblioteca Quanto e modelos quantizados com Diffusers usando Quanto como backend. Atualmente, não é possível carregar modelos quantizados diretamente com Quanto no Diffusers usando `~ModelMixin.from_pretrained`

```python
import torch
from diffusers import FluxTransformer2DModel, QuantoConfig

model_id = "black-forest-labs/FLUX.1-dev"
quantization_config = QuantoConfig(weights_dtype="float8")
transformer = FluxTransformer2DModel.from_pretrained(
      model_id,
      subfolder="transformer",
      quantization_config=quantization_config,
      dtype=torch.bfloat16,
)
# save quantized model to reuse
transformer.save_pretrained("<your quantized model save path>")

# you can reload your quantized model with
model = FluxTransformer2DModel.from_pretrained("<your quantized model save path>")
```

## Usando `torch.compile` com Quanto

Atualmente, o backend Quanto suporta `torch.compile` para os seguintes tipos de quantização:

- pesos `int8`

```python
import torch
from diffusers import FluxPipeline, FluxTransformer2DModel, QuantoConfig

model_id = "black-forest-labs/FLUX.1-dev"
quantization_config = QuantoConfig(weights_dtype="int8")
transformer = FluxTransformer2DModel.from_pretrained(
    model_id,
    subfolder="transformer",
    quantization_config=quantization_config,
    dtype=torch.bfloat16,
)
transformer = torch.compile(transformer, mode="max-autotune", fullgraph=True)

pipe = FluxPipeline.from_pretrained(
    model_id, transformer=transformer, dtype=dtype
)
pipe.to("cuda")  # or "mps", "xpu", "cpu"
images = pipe("A cat holding a sign that says hello").images[0]
images.save("flux-quanto-compile.png")
```

## Tipos de Quantização Suportados

### Pesos

- float8
- int8
- int4
- int2