PyTorch 架构优化库 torchao 正式发布，可大幅提升 AI 模型效率

电影《传说》顶着成龙的名号，上映7天票房却只有7279万，豆瓣评分更是低至5.4，延续了成龙近些年来的烂片成绩。27岁的AI成龙，这个曾经被片方当作噱头来吸引观众入场的技术

IT之家 10 月 2 日消息，据 PyTorch 新闻稿，PyTorch 旗下架构优化库 torchao 现已正式发布，该优化库主要专注于模型的量化和稀疏性优化，能够在保证性能的同时降低模型的计算成本和 RAM 用量，从而提升模型运行效率，IT之家附 GitHub 页面地址（点此访问）。

据介绍，torchao 提供了一系列优化工具集，可以帮助 LLaMA 3 等流行的 AI 模型提升性能，其支持 flo 8、int4 等低精度数据类型，能够有效减少硬件开销和 RAM 用量。

举例，在 LLaMA 3 70B 模型的预训练中，torchao 提供的 flo 8 训练流程可将模型计算速度提升 1.5 倍。开发者只需利用 convert_to_flo 8_training 函数，即可将模型训练转换为 flo 8，从而轻松实现模型 训练。

在推理方面，torchao 提供多种量化方法，包括权重量化（Weight-Only Quantiz ion）和动态 量化（Dynamic Activ ion Quantiz ion），用户可以自有选择适合的量化策略，以获得最佳的模型推理性能。

在稀疏性优化方面， torchao 可以优化模型参数计算效率，据称可让 ViT-H 模型的推理速度提升 5%。torchao 还可以将权重量化为 int4，并将键值缓存量化为 int8，可令 LLaMA 3.1 8B 在完整的 128K 上下文长度下仅占用 18.9GB 的显存。