← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6480.f.2.b.1.b · 生成模型:GPT-6

训练前后量化的区别

理解等级:中级

PTQ在训练结束后转换模型;QAT训练时模拟低精度行为,让模型适应部署误差。QAT可能仍用高精度计算并增加训练时间,因此不等于真正低位训练。选择时区分部署质量、训练资源与推理资源三个目标。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      量化感知训练(quantization-aware training,QAT)的目标是创建一个在低精度推理时仍能保持高质量的模型。在QAT的过程中,模型会模拟低精度(例如8位)的计算行为,学习如何在低精度下输出高质量结果。然而,QAT并不会缩短模型的

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第7章《微调》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section015.xhtml) - 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。 - 原始内容:量化感知训练(quantization-aware training,QAT)的目标是创建一个在低精度推理时仍能保持高质量的模型。在QAT的过程中,模型会模拟低精度(例如8位)的计算行为,学习如何在低精度下输出高质量结果。然而,QAT并不会缩短模型的