NNCF v2.17.0发布：模型量化与压缩技术全面升级

项目简介

NNCF（Neural Network Compression Framework）是Intel开源的一个神经网络压缩框架，专注于为深度学习模型提供高效的量化与压缩解决方案。作为OpenVINO工具套件的重要组成部分，NNCF支持PyTorch、TensorFlow、ONNX等多种深度学习框架，能够显著减小模型体积、提升推理速度，同时保持模型精度。

核心更新内容

训练后量化技术增强

通用改进

在PyTorch后端中，function_hook模块现已从实验状态升级为默认模型追踪机制，并迁移至核心nncf.torch命名空间。这一变化使得模型量化过程更加稳定可靠。

新增特性

1. 4位数据无关AWQ量化：本次更新在OpenVINO、PyTorch和TorchFX后端中引入了基于权重列幅度的4位AWQ（Activation-aware Weight Quantization）量化技术。这种创新方法无需依赖数据集即可实现更精确的压缩，特别适合资源受限的场景。

2. OpenVINO FP8支持扩展：新增了对ScaledDotProductAttention中value输入的FP8量化支持，进一步扩展了低精度计算的应用范围。

3. ONNX后端强化：

   • 增加了使用INT4（INT8）进行数据无关权重压缩的支持
   • 新增了LLM权重压缩示例，展示了如何在ONNX格式下优化TinyLlama-1.1B-Chat-v0.3模型
   • 引入了BackendParameters.EXTERNAL_DATA_DIR参数，用于指定模型外部数据文件的存储路径，提升了大型模型处理的灵活性

4. TorchFX实验性功能：增加了4位权重压缩支持，结合AWQ和Scale Estimation数据感知方法，有效减少了精度损失。

问题修复与优化

• 简化了TorchFX的使用流程，移除了不必要的nncf.torch.disable_patching()上下文管理器
• 修复了无批次维度模型的BiasCorrection失败问题
• 对齐了NF4与OpenVINO实现的quantile centers
• 优化了权重压缩统计信息显示，现在能正确展示忽略权重的数据类型
• 显著提升了NF4权重压缩性能，速度提升高达10倍
• 确保nncf.data.generate_text_data支持transformer>4.52版本

压缩感知训练创新

突破性功能

本次更新引入了结合可吸收弹性LoRA适配器和神经低秩搜索(NLS)的量化感知训练(QAT)方法。这种新颖的权重压缩技术专门针对下游任务设计，相比NNCF中现有的最佳训练后权重压缩技术(Scale Estimation + AWQ + GPTQ)，能显著减少int4权重LLM在下游任务中的精度损失。

新增的nncf.compress_weights API中提供了nncf.CompressionFormat.FQ_LORA_NLS压缩格式选项，开发者可以轻松体验这一前沿技术。示例QAT压缩管道展示了如何在下游任务中应用这一方法，与上一版本专注于通过知识蒸馏提升通用精度的方案形成互补。

重要改进

• 大幅缩小了Torch模型与其导出的OpenVINO等效模型之间的精度差距
• 优化了"QAT + 可吸收LoRA"结合知识蒸馏的最佳检查点评估选择流程，现在使用Wikitext的验证分割评估调优后的Torch模型，而最终结果则在测试分割上使用OpenVINO模型测量

依赖项更新

• 升级ONNX Runtime至1.21.1版本
• 更新PyTorch至2.7.1、Torchvision至0.22.1
• 移除了jstyleson依赖

技术价值与应用前景

NNCF v2.17.0的发布标志着模型压缩技术又向前迈进了一大步。特别是4位AWQ量化和QAT with LoRA/NLS这两项创新，为大型语言模型的高效部署提供了强有力的工具。

在实际应用中，开发者现在可以：

1. 无需准备校准数据集即可获得高质量的4位量化模型
2. 针对特定下游任务精细调整量化模型，最大限度保留任务相关精度
3. 更灵活地处理ONNX格式的大型模型
4. 体验显著提升的压缩速度和更稳定的量化过程

这些改进使得NNCF在边缘计算、移动端部署等资源受限场景中更具竞争力，为AI模型的普惠化应用铺平了道路。随着量化技术的不断成熟，我们有望看到更多复杂模型能够在消费级硬件上高效运行，推动AI技术在各行业的深入应用。