Qwen量化脚本run_gptq.py解析
代码路径 https://github.com/QwenLM/Qwen/
run_gptq.py路径 https://github.com/QwenLM/Qwen/blob/main/run_gptq.py
代码解析：
python
import argparse
import json
from typing import Dict
import logging
import torch
import transformers
from transformers import AutoTokenizer
from transformers.trainer_pt_utils import LabelSmoother
from auto_gptq import AutoGPTQForCausalLM, BaseQuantizeConfig
IGNORE_TOKEN_ID = LabelSmoother.ignore_index
#其中json文件格式如下
# [
# {
# "id": "identity_0",
# "conversations": [
# {
# "from": "user",
# "value": "xxxx"
# },
# {
# "from": "assistant",
# "value": "xxx"
# }
# ]
# },
# {
# "id": "identity_1",
# "conversations": [
# {
# "from": "user",
# "value": "xxx"
# },
# {
# "from": "assistant",
# "value": "xxx"
# }
# ]
# },
# ]
def preprocess(
sources,
tokenizer: transformers.PreTrainedTokenizer,
max_len: int,
system_message: str = "You are a helpful assistant."
) -> Dict:
"""preprocess函数接收一个包含对话数据的json列表作为输入,\n
通过调用transformers库中的tokenizer对数据进行编码,\n
并按照特定格式构建输入ID序列和目标ID序列.\n
返回一个包含预处理数据的列表,这些数据已转换为PyTorch张量,适合于后续模型训练或推断"""
#roles字典：为对话中的角色（"user"和"assistant"）分配特殊的前缀标签，用于区分对话双方
roles = {"user": "<|im_start|>user", "assistant": "<|im_start|>assistant"}
#im_start和im_end：指定tokenizer中im_start_id和im_end_id对应的整数ID。
im_start = tokenizer.im_start_id
im_end = tokenizer.im_end_id
#nl_tokens：存储tokenizer处理换行符\n得到的输入ID序列。
nl_tokens = tokenizer('\n').input_ids
#_system、_user和_assistant：分别存储经过tokenizer处理后的"system"、"user"和"assistant"标签及其后的换行符对应的输入ID序列。
_system = tokenizer('system').input_ids + nl_tokens
_user = tokenizer('user').input_ids + nl_tokens
_assistant = tokenizer('assistant').input_ids + nl_tokens
# Apply prompt templates 定义空列表data，用于存放预处理后的数据样本
data = []
# input_ids, targets = [], []
#遍历输入数据sources中的每个样本（source）
for i, source in enumerate(sources):
source = source["conversations"]
#检查首个对话是否由用户发起（即source[0]["from"]是否为"user"），如果不是，则从源数据中移除首个对话。
#过滤无效的identity
if roles[source[0]["from"]] != roles["user"]:
source = source[1:]
#初始化空列表input_id和target，分别用于存储当前样本的输入ID序列和目标ID序列
input_id, target = [], []
#添加系统消息：将系统消息（包含system_message内容）转换为ID序列，添加到input_id和target中。
system = [im_start] + _system + tokenizer(system_message).input_ids + [im_end] + nl_tokens
input_id += system
#target中的非关键部分（如系统标签和消息内容）用IGNORE_TOKEN_ID填充。
target += [im_start] + [IGNORE_TOKEN_ID] * (len(system)-3) + [im_end] + nl_tokens
assert len(input_id) == len(target)
#遍历源数据中的每个对话（sentence）
for j, sentence in enumerate(source):
# 提取角色和消息内容，并转换为ID序列
role = roles[sentence["from"]]
_input_id = tokenizer(role).input_ids + nl_tokens + \
tokenizer(sentence["value"]).input_ids + [im_end] + nl_tokens
#添加到input_id中
input_id += _input_id
#根据角色类型，生成对应_target的目标ID序列，_target只提取assistant的对话内容，忽略user的对话内容。
if role == '<|im_start|>user':
#若角色为"user"，则目标ID序列仅包含开始标签和结束标签，用忽略ID填充对话内容。
_target = [im_start] + [IGNORE_TOKEN_ID] * (len(_input_id)-3) + [im_end] + nl_tokens
#若角色为"assistant"，则目标ID序列包含开始标签、忽略ID填充（仅对角色标签）、对话内容（不包括角色标签和结束标签）、结束标签
elif role == '<|im_start|>assistant':
_target = [im_start] + [IGNORE_TOKEN_ID] * len(tokenizer(role).input_ids) + \
_input_id[len(tokenizer(role).input_ids)+1:-2] + [im_end] + nl_tokens
else:
raise NotImplementedError
target += _target
assert len(input_id) == len(target)
#截取并转换为张量：
#截取input_id和target至最大长度max_len
input_id = torch.tensor(input_id[:max_len], dtype=torch.int)
target = torch.tensor(target[:max_len], dtype=torch.int)
#创建一个字典，包含键input_ids（存储输入张量）和attention_mask（等于输入张量，用于指示非填充位置）。将该字典添加到data列表中
data.append(dict(input_ids=input_id, attention_mask=input_id.ne(tokenizer.pad_token_id)))
return data
if __name__ == "__main__":
parser = argparse.ArgumentParser("Model Quantization using AutoGPTQ")
parser.add_argument("--model_name_or_path", type=str, help="model path")
parser.add_argument("--data_path", type=str, help="calibration data path")
parser.add_argument("--out_path", type=str, help="output path of the quantized model")
parser.add_argument("--max_len", type=int, default=8192, help="max length of calibration data")
parser.add_argument("--bits", type=int, default=4, help="the bits of quantized model. 4 indicates int4 models.")
parser.add_argument("--group-size", type=int, default=128, help="the group size of quantized model")
args = parser.parse_args()
quantize_config = BaseQuantizeConfig(
bits=args.bits,
group_size=args.group_size,
damp_percent=0.01,
desc_act=False, # set to False can significantly speed up inference but the perplexity may slightly bad
static_groups=False,
sym=True,
true_sequential=True,
model_name_or_path=None,
model_file_base_name="model"
)
#使用AutoTokenizer类从给定路径args.model_name_or_path加载预训练的tokenizer
tokenizer = AutoTokenizer.from_pretrained(args.model_name_or_path, trust_remote_code=True)
tokenizer.pad_token_id = tokenizer.eod_id
#加载json数据文件，调用process函数预处理数据，返回处理后的数据
data = preprocess(json.load(open(args.data_path)), tokenizer, args.max_len)
#加载预训练的模型
model = AutoGPTQForCausalLM.from_pretrained(args.model_name_or_path, quantize_config, device_map="auto", trust_remote_code=True)
logging.basicConfig(
format="%(asctime)s %(levelname)s [%(name)s] %(message)s", level=logging.INFO, datefmt="%Y-%m-%d %H:%M:%S"
)
#对模型进行量化,不在GPU上缓存示例数据
model.quantize(data, cache_examples_on_gpu=False)
#保存量化后的模型
model.save_quantized(args.out_path, use_safetensors=True)
#将tokenizer保存到输出路径
tokenizer.save_pretrained(args.out_path)