TensorRT-Model-Optimizer 0.29.0版本发布：量化优化能力全面升级

TensorRT-Model-Optimizer（简称ModelOpt）是NVIDIA推出的一个开源模型优化工具包，专注于为深度学习模型提供高效的量化、剪枝等优化能力，帮助开发者将模型部署到NVIDIA GPU上时获得最佳性能。最新发布的0.29.0版本带来了多项重要更新，特别是在量化技术方面有显著增强。

量化技术重大更新

新型量化精度支持

0.29.0版本新增了对INT8真实量化的支持，这是继FP8之后又一个重要的量化精度选项。INT8量化能够在保持较高模型精度的同时，显著减少模型大小并提升推理速度。特别值得注意的是，新版本还加入了FP8 GEMM的逐张量量化内核，开发者可以在PTQ（训练后量化）后使用mtq.compressAPI来加速量化模型的评估过程。

量化算法架构改进

SequentialQuantizer组件在本版本中进行了重构，提升了实现质量和可维护性，同时保持了原有功能。这一改进使得量化流程更加稳定可靠。此外，新版本还支持添加自定义量化校准算法，开发者可以根据特定需求实现自己的校准策略，这为特殊场景下的模型优化提供了更大的灵活性。

大语言模型支持增强

TensorRT-LLM 0.18集成

针对大语言模型场景，0.29.0版本将LLM示例升级到了TensorRT-LLM 0.18版本，并新增了对Gemma-3和Llama-Nemotron模型的支持。这些更新使得开发者能够利用最新的优化技术来处理更大、更复杂的语言模型。

EAGLE3训练支持

对于使用Megatron-LM框架的开发者，新版本增加了对EAGLE3（LlamaForCausalLMEagle3）的训练支持，并提供了统一的ModelOpt检查点导出功能。这一特性简化了大模型训练和优化的流程。

ONNX量化功能扩展

输入形状管理优化

ONNX量化功能现在支持通过--override_shapes标志来覆盖模型的输入形状，而--calibration_shapes则专门用于校准过程的输入形状。这种分离使得形状管理更加清晰和灵活。

UNet模型支持与性能优化

新版本增加了对UNet模型的ONNX量化支持，这对于计算机视觉领域的开发者尤为重要。同时，默认启用了concat_elimination和冗余Cast消除等优化通道，这些改进可以显著提升量化后ONNX模型的性能。

分布式训练支持增强

DynamicModule组件新增了parallel_state属性，用于支持数据并行和张量并行等分布式并行策略。这一改进使得ModelOpt能够更好地适应大规模分布式训练场景。

未来展望

随着0.29.0版本的发布，TensorRT-Model-Optimizer在量化技术方面又向前迈进了一大步。从新精度支持到算法架构改进，从大模型优化到分布式训练增强，这些更新共同构成了一个更加强大、灵活的模型优化工具包。值得注意的是，该版本已开始逐步淘汰对torch<2.4版本的支持，开发者应提前做好升级准备。

对于需要在NVIDIA GPU上部署深度学习模型的开发者来说，TensorRT-Model-Optimizer 0.29.0提供了更加全面的优化选项和更高效的执行性能，值得深入研究和采用。