知识卡片
训练前后量化的区别
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?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 微调
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