lm-sys/FastChat

support for 4bit quantization from transfomer library.

Open

#1 798 ouverte le 27 juin 2023

Voir sur GitHub
 (7 commentaires) (2 réactions) (0 assignés)Python (38 959 stars) (4 736 forks)batch import
enhancementgood first issue

Description

Loading a vicuna13B using 4bit quantization from the transformers library is possible load_in_4bit. How difficult could be for Fastach to support it?

Guide contributeur

Stack technique
pythonpytorch
Domaine
machine learningai
Type d'issue
feature
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
4
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-2 days
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
needs maintainer response
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
mostly clear
Prérequis
PythonPyTorchHugging Face TransformersQuantization basics
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
50
Direction de recherche
Investigate how FastChat currently loads models (e.g., in model worker.py) and replicate the load in 4bit parameter from the transformers library. Review the transformers quantization documentation linked in the issue to understand the API. Check existing comments for any insights or blockers. Implement the parameter in the model loading pipeline, ensuring compatibility with the existing model serving infrastructure.