首页
/ PyTorch AO项目中量化模型性能优化实践

PyTorch AO项目中量化模型性能优化实践

2025-07-05 23:32:06作者:段琳惟

在PyTorch AO项目中使用int4权重仅量化技术时,我们发现了一个关键的性能问题:Torchao的CPU开销过高,抵消了量化内核带来的性能优势。本文将深入分析这一问题及其解决方案。

问题背景

量化技术本应通过降低计算精度来提升模型推理速度。在理想情况下,int4 GEMM内核相比bf16/fp16 GEMM通常能有2-3倍的加速。然而在实际应用中,特别是在小型模型或高性能GPU/XPU设备上,我们观察到端到端性能不仅没有提升,反而出现了下降。

性能瓶颈分析

通过详细剖析,我们发现了两个主要的性能瓶颈:

  1. eager模式下的重分发开销:Torchao使用Tensor子类和__torch_function__机制将nn.linear重定向到自定义的int4矩阵乘法操作。在eager模式下,这种重分发操作的时间甚至超过了实际计算内核的执行时间。

  2. 编译模式下的张量展开开销:在torch.compile模式下,虽然重分发操作被优化掉了,但引入了额外的host端工作。Torchao中的affine_quantized_tensor.py会被dynamo/inductor展开,这个展开过程的时间几乎与int4矩阵乘法内核的执行时间相当。

性能影响评估

在A100-PCIE-40GB和AMD EPYC 7713平台上进行的测试显示:

  • 在示例代码中,bf16的端到端延迟为0.109ms,而int4woq为0.162ms
  • dynamo准备时间在bf16下为0.024ms,在int4woq下增加到0.098ms
  • 额外的0.075ms CPU开销占端到端延迟的46%

在Qwen2-0.5B模型上的测试结果更令人担忧:

  • bf16的下一个token延迟为17.11ms
  • int4woq的下一个token延迟增加到29.16ms
  • 其中9ms来自填充操作开销,2ms来自张量展开

解决方案

经过社区讨论和开发,我们找到了以下解决方案:

  1. 参数化改造:使用unwrap_tensor_subclass_parameters函数可以消除编译时的额外运行时开销。这个解决方案要求Tensor子类参数的构造函数__init____new__能够被dynamo追踪。

  2. 代码优化:通过重构Torchao中的Tensor子类实现,确保其构造函数完全兼容dynamo追踪要求。特别是移除了构造函数中的Callable参数,这使得参数化改造成为可能。

优化效果

在实际测试中,这些优化措施取得了显著效果:

  • Llama3.1-8b模型的dynamo/inductor准备时间从4.5ms降低到2.5ms
  • 完全消除了flatten_subclass相关的操作
  • 虽然相比纯bf16的0.6ms准备时间仍有差距,但已经大幅改善了性能

结论

通过这次优化实践,我们不仅解决了Torchao在量化模型中的性能问题,也为PyTorch生态中的量化技术应用积累了宝贵经验。未来,我们将继续探索更高效的量化实现方式,确保理论上的性能优势能够真正转化为实际应用中的加速效果。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511