# EETQ

تدعم مكتبة [Easy & Efficient Quantization for Transformers (EETQ)](https://github.com/NetEase-FuXi/EETQ) تكميم أوزان int8 لكل قناة (per-channel) لبطاقات NVIDIA الرسومية. وتستخدم نوى GEMM وGEMV عالية الأداء من [FasterTransformer](https://github.com/NVIDIA/FasterTransformer) و[TensorRT-LLM](https://github.com/NVIDIA/TensorRT-LLM). كما تم تحسين طبقة الانتباه باستخدام [FlashAttention2](https://github.com/Dao-AILab/flash-attention). ولا يتطلب الأمر مجموعة بيانات معايرة، كما لا يحتاج النموذج إلى تكميم مسبق. وتكون تدهور الدقة ضئيلاً للغاية نظراً لاعتماد تكميم لكل قناة.

تدعم EETQ أيضًا الضبط الدقيق باستخدام [PEFT](https://huggingface.co/docs/peft).

قم بتثبيت EETQ من [صفحة الإصدار](https://github.com/NetEase-FuXi/EETQ/releases) أو [الكود المصدري](https://github.com/NetEase-FuXi/EETQ). يتطلب EETQ وجود CUDA 11.4 أو أحدث.

```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 .
```

قم بتكميم النموذج أثناء التشغيل عن طريق تحديد نوع بيانات التكميم في [EetqConfig](/docs/transformers/main/ar/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
)
```

احفظ النموذج المُكمَّم باستخدام [save_pretrained()](/docs/transformers/main/ar/main_classes/model#transformers.PreTrainedModel.save_pretrained) حتى يمكن إعادة استخدامه مرة أخرى عبر [from_pretrained()](/docs/transformers/main/ar/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")
```