量化后精度掉了怎么办Model Optimizer QAT量化感知训练完全指南【免费下载链接】Model-OptimizerA unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative decoding, etc. It compresses deep learning models for downstream deployment frameworks like TensorRT-LLM, TensorRT, vLLM, etc. to optimize inference speed.项目地址: https://gitcode.com/GitHub_Trending/te/Model-OptimizerModel Optimizer是 NVIDIA 开源的模型压缩工具箱集量化、蒸馏、剪枝、NAS、投机解码于一体可把大模型压缩后部署到 TensorRT-LLM、vLLM 等推理框架。当你把模型量化到 INT4、NVFP4 这类低位宽格式后发现精度掉得厉害本文教你用QAT量化感知训练和QAD量化感知蒸馏一步步把精度找回来。为什么量化后精度会掉量化相当于把 BF16/FP16 的高精度权重压进更少的比特如 4 bit。压得越狠每个权重的表示误差越大模型输出就可能跑偏——尤其是W4A4权重和激活都 4 bit这类激进配置。PTQ训练后量化只需几十分钟就能完成但对激进量化的精度损失往往力不从心。这时候就需要让模型带着量化误差重新学一遍——这正是 QAT 的核心思想QAT在模型中插入模拟量化算子再用带标签数据微调权重主动补偿量化误差QAD在 QAT 基础上引入蒸馏用原始全精度模型当老师通过 logits 级 KL 散度损失引导量化学生是纯精度恢复手段。 官方建议先做全精度微调再做 QAD 恢复量化损失在 NVFP4 等激进度下效果最佳。QAT 还是 QAD一张表看懂怎么选维度QAT无蒸馏QAD带蒸馏做什么用带标签数据微调量化模型用原始模型当老师恢复量化精度适用场景量化后要适配新任务/新数据集只想找回量化损失的精度额外成本较低需要加载教师模型显存和算力更高详细说明见官方指南docs/source/guides/quantization_aware_training.rstQAT/QAD 三步上手量化 → 训练 → 导出Model Optimizer 在 examples/llm_qat/ 中提供了完整的 Hugging Face 端到端工作流只需 3 步以 NVFP4 配方为例第 1 步PTQ 量化—— 先得到量化检查点保留其量化配置python quantize.py \ --model_name_or_path Qwen/Qwen3-8B \ --dataset_config configs/dataset/blend.yaml \ --recipe general/ptq/nvfp4_default-kv_fp8 \ --output_dir qwen3-8b-quantized第 2 步QAT/QAD 训练—— 关键区别只在训练配置# QAT只微调 accelerate launch --config-file configs/accelerate/fsdp2.yaml train.py \ --config configs/train/qat_nvfp4.yaml \ --model_name_or_path qwen3-8b-quantized \ --output_dir qwen3-8b-qat-nvfp4 # QAD额外指定教师模型 accelerate launch --config-file configs/accelerate/fsdp2.yaml train.py \ --config configs/train/qad_nvfp4.yaml \ --model_name_or_path qwen3-8b-quantized \ --teacher_model Qwen/Qwen3-8B \ --output_dir qwen3-8b-qad-nvfp4第 3 步导出可部署检查点python export.py --pyt_ckpt_path qwen3-8b-qat-nvfp4 --export_path qwen3-8b-qat-deploy导出后的检查点可直接部署到 TensorRT-LLM、vLLM 或 SGLang。单卡快速体验可运行最简脚本 examples/llm_qat/simple_qat_train.py。真实案例W4A4 的量化损失如何被 QAD 找回官方在 Qwen3.6-35B-A3B 上完整验证了 PTQ → QAD 流程W4A4 NVFP4 量化后六个基准中有两个出现真实精度损失经500 步 QAD后 IFBench 从 −2.6 分完全恢复到 BF16 水平平均精度 70.1 vs 教师 70.4 图中虚线是 BF16 教师水平圆点曲线是 QAD 学生随训练迭代的精度变化——QAD 越多精度越接近教师。复现细节数据配比、PTQ 配方、QAD 命令、导出与评测在教程中examples/megatron_bridge/tutorials/Qwen3.6-35B-A3B/README.md量化感知训练配置与配方速查资料路径QAT 训练配置学习率 1e-5、余弦调度examples/llm_qat/configs/train/qat_nvfp4.yamlQAD 训练配置含teacher_model、distillexamples/llm_qat/configs/train/qad_nvfp4.yamlQAD 专用配方modelopt_recipes/general/qad/PTQ 配方库NVFP4 / FP8 / INT4 等modelopt_recipes/general/ptq/完整参数参考examples/llm_qat/ARGUMENTS.md交互式 Notebook 教程examples/llm_qat/notebooks/QAT_QAD_Walkthrough.ipynb大规模训练Megatron 后端性能更佳examples/megatron_bridge/README.md所有参数支持YAML 命令行混用命令行优先覆盖。新手 FAQ❓ QAT 需要重新量化吗不需要从全精度模型直接开始。推荐从PTQ 检查点出发做 QAT/QAD并保留其量化配置。❓ 显存不够怎么办QAD 需要同时加载教师模型显存压力更大。可改用QLoRA 真量化mtq.compress()压缩 LoRA 底座降低训练显存详见 examples/llm_qat/README.md 的 QLoRA 章节。❓ 小模型还是大模型Hugging Face 路径FSDP2/DDP/DeepSpeed适合中小模型大模型建议走 Megatron-Bridge 或 Megatron-LM分布式效率更高。总结PTQ 掉点轻微→ 直接部署即可PTQ 掉点明显→ 上QAD教师蒸馏恢复精度这是官方推荐的精度恢复首选量化后还要适配新任务→ 用QAT带标签微调工作流固定为三步quantize → train → export配方与配置开箱即用。配套脚本examples/llm_qat/quantize.py、examples/llm_qat/train.py、examples/llm_qat/export.py【免费下载链接】Model-OptimizerA unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative decoding, etc. It compresses deep learning models for downstream deployment frameworks like TensorRT-LLM, TensorRT, vLLM, etc. to optimize inference speed.项目地址: https://gitcode.com/GitHub_Trending/te/Model-Optimizer创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
量化后精度掉了怎么办Model Optimizer QAT量化感知训练完全指南【免费下载链接】Model-OptimizerA unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative decoding, etc. It compresses deep learning models for downstream deployment frameworks like TensorRT-LLM, TensorRT, vLLM, etc. to optimize inference speed.项目地址: https://gitcode.com/GitHub_Trending/te/Model-OptimizerModel Optimizer是 NVIDIA 开源的模型压缩工具箱集量化、蒸馏、剪枝、NAS、投机解码于一体可把大模型压缩后部署到 TensorRT-LLM、vLLM 等推理框架。当你把模型量化到 INT4、NVFP4 这类低位宽格式后发现精度掉得厉害本文教你用QAT量化感知训练和QAD量化感知蒸馏一步步把精度找回来。为什么量化后精度会掉量化相当于把 BF16/FP16 的高精度权重压进更少的比特如 4 bit。压得越狠每个权重的表示误差越大模型输出就可能跑偏——尤其是W4A4权重和激活都 4 bit这类激进配置。PTQ训练后量化只需几十分钟就能完成但对激进量化的精度损失往往力不从心。这时候就需要让模型带着量化误差重新学一遍——这正是 QAT 的核心思想QAT在模型中插入模拟量化算子再用带标签数据微调权重主动补偿量化误差QAD在 QAT 基础上引入蒸馏用原始全精度模型当老师通过 logits 级 KL 散度损失引导量化学生是纯精度恢复手段。 官方建议先做全精度微调再做 QAD 恢复量化损失在 NVFP4 等激进度下效果最佳。QAT 还是 QAD一张表看懂怎么选维度QAT无蒸馏QAD带蒸馏做什么用带标签数据微调量化模型用原始模型当老师恢复量化精度适用场景量化后要适配新任务/新数据集只想找回量化损失的精度额外成本较低需要加载教师模型显存和算力更高详细说明见官方指南docs/source/guides/quantization_aware_training.rstQAT/QAD 三步上手量化 → 训练 → 导出Model Optimizer 在 examples/llm_qat/ 中提供了完整的 Hugging Face 端到端工作流只需 3 步以 NVFP4 配方为例第 1 步PTQ 量化—— 先得到量化检查点保留其量化配置python quantize.py \ --model_name_or_path Qwen/Qwen3-8B \ --dataset_config configs/dataset/blend.yaml \ --recipe general/ptq/nvfp4_default-kv_fp8 \ --output_dir qwen3-8b-quantized第 2 步QAT/QAD 训练—— 关键区别只在训练配置# QAT只微调 accelerate launch --config-file configs/accelerate/fsdp2.yaml train.py \ --config configs/train/qat_nvfp4.yaml \ --model_name_or_path qwen3-8b-quantized \ --output_dir qwen3-8b-qat-nvfp4 # QAD额外指定教师模型 accelerate launch --config-file configs/accelerate/fsdp2.yaml train.py \ --config configs/train/qad_nvfp4.yaml \ --model_name_or_path qwen3-8b-quantized \ --teacher_model Qwen/Qwen3-8B \ --output_dir qwen3-8b-qad-nvfp4第 3 步导出可部署检查点python export.py --pyt_ckpt_path qwen3-8b-qat-nvfp4 --export_path qwen3-8b-qat-deploy导出后的检查点可直接部署到 TensorRT-LLM、vLLM 或 SGLang。单卡快速体验可运行最简脚本 examples/llm_qat/simple_qat_train.py。真实案例W4A4 的量化损失如何被 QAD 找回官方在 Qwen3.6-35B-A3B 上完整验证了 PTQ → QAD 流程W4A4 NVFP4 量化后六个基准中有两个出现真实精度损失经500 步 QAD后 IFBench 从 −2.6 分完全恢复到 BF16 水平平均精度 70.1 vs 教师 70.4 图中虚线是 BF16 教师水平圆点曲线是 QAD 学生随训练迭代的精度变化——QAD 越多精度越接近教师。复现细节数据配比、PTQ 配方、QAD 命令、导出与评测在教程中examples/megatron_bridge/tutorials/Qwen3.6-35B-A3B/README.md量化感知训练配置与配方速查资料路径QAT 训练配置学习率 1e-5、余弦调度examples/llm_qat/configs/train/qat_nvfp4.yamlQAD 训练配置含teacher_model、distillexamples/llm_qat/configs/train/qad_nvfp4.yamlQAD 专用配方modelopt_recipes/general/qad/PTQ 配方库NVFP4 / FP8 / INT4 等modelopt_recipes/general/ptq/完整参数参考examples/llm_qat/ARGUMENTS.md交互式 Notebook 教程examples/llm_qat/notebooks/QAT_QAD_Walkthrough.ipynb大规模训练Megatron 后端性能更佳examples/megatron_bridge/README.md所有参数支持YAML 命令行混用命令行优先覆盖。新手 FAQ❓ QAT 需要重新量化吗不需要从全精度模型直接开始。推荐从PTQ 检查点出发做 QAT/QAD并保留其量化配置。❓ 显存不够怎么办QAD 需要同时加载教师模型显存压力更大。可改用QLoRA 真量化mtq.compress()压缩 LoRA 底座降低训练显存详见 examples/llm_qat/README.md 的 QLoRA 章节。❓ 小模型还是大模型Hugging Face 路径FSDP2/DDP/DeepSpeed适合中小模型大模型建议走 Megatron-Bridge 或 Megatron-LM分布式效率更高。总结PTQ 掉点轻微→ 直接部署即可PTQ 掉点明显→ 上QAD教师蒸馏恢复精度这是官方推荐的精度恢复首选量化后还要适配新任务→ 用QAT带标签微调工作流固定为三步quantize → train → export配方与配置开箱即用。配套脚本examples/llm_qat/quantize.py、examples/llm_qat/train.py、examples/llm_qat/export.py【免费下载链接】Model-OptimizerA unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative decoding, etc. It compresses deep learning models for downstream deployment frameworks like TensorRT-LLM, TensorRT, vLLM, etc. to optimize inference speed.项目地址: https://gitcode.com/GitHub_Trending/te/Model-Optimizer创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
