近年来LLM量化方法总结简图

这篇论文探讨了量化技术在深度学习模型优化中的不同策略,特别是Q-PEFT(参数高效微调的量化)与QAT(量化感知训练)之间的区别,以及它们与后训练量化(PTQ)的关系。
摘要由CSDN通过智能技术生成

红色高亮的方法表示它们属于参数高效微调的量化方法(Q-PEFT:Quantization for Parameter-Efficient Fine-Tuning),绿色高亮的方法表示它们属于与量化感知训练(QAT:Quantization-Aware Training)相关的方法,其他方法则属于基于PTQ(Post-Training Quantization)的方法。

https://arxiv.org/pdf/2402.16363.pdf

        

  • 8
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值