DAQ：針對大型語言模型的密度感知訓練後僅權重量化

Concetti Chiave

DAQ 是一種針對大型語言模型的訓練後僅權重量化方法，它通過考慮權重的密度和影響來利用浮點數表示的非均勻特性，從而實現高效的模型壓縮和加速。

Sintesi

論文資訊

標題：DAQ：針對大型語言模型的密度感知訓練後僅權重量化
作者：Yingsong Luo, Ling Chen*
機構：浙江大學計算機科學與技術學院區塊鏈與數據安全國家重點實驗室
研究背景
大型語言模型 (LLM) 在各種自然語言處理任務中表現出色，但由於其龐大的參數量，部署這些模型面臨著硬件資源的挑戰。模型量化是一種有效的模型壓縮方法，可以減少模型的內存佔用和計算成本。訓練後量化 (PTQ) 作為一種無需重新訓練模型的量化方法，在資源受限的環境中尤其具有吸引力。
研究問題
現有的 PTQ 方法通常基於權重或激活的最小值和最大值來確定動態範圍，或者通過截斷異常值來縮小動態範圍，這可能無法充分利用浮點數表示的非均勻特性。
研究方法
為了應對上述問題，本文提出了密度感知訓練後僅權重量化 (DAQ) 方法，該方法包括兩個階段：

密度中心對齊 (DCA)：識別高密度權重的中心，並將動態範圍中心化在該點上，以便將高密度權重區域與浮點數高精度區域對齊。
可學習動態範圍調整 (LDRA)：根據權重對模型輸出的影響，通過優化量化參數（即比例因子和零點）來調整動態範圍。

主要發現

在 LLaMA 和 LLaMA-2 上的實驗表明，DAQ 在困惑度損失方面始終優於最佳基準方法，在 LLaMA 上平均降低了 22.8%，在 LLaMA-2 上平均降低了 19.6%。
DAQ 在不同模型規模、量化粒度和校準數據集大小下均表現出優於現有方法的性能。
DAQ 可以與現有的僅權重量化方法（如 AWQ）相結合，進一步提高量化性能。
研究意義
DAQ 為浮點數量化提供了一種新的視角，可以作為現有僅權重量化方法的有效補充。通過利用浮點數表示的非均勻特性並考慮權重的密度和影響，DAQ 可以有效提高 LLM 的量化效率和性能。
研究局限與未來方向

DAQ 的計算複雜度高於傳統的 PTQ 方法，特別是在 LDRA 階段。未來可以探索更高效的動態範圍調整方法。
本文主要關注語言建模任務。未來可以進一步評估 DAQ 在其他 NLP 任務上的性能。

Statistiche

DAQ 在 LLaMA 上平均降低了 22.8% 的困惑度損失。
DAQ 在 LLaMA-2 上平均降低了 19.6% 的困惑度損失。
DAQ 使用 2×512 個詞符的校準數據集即可達到 AWQ 使用 16×512 個詞符的校準數據集的性能。

Approfondimenti chiave tratti da

DAQ: Density-Aware Post-Training Weight-Only Quantization For LLMs

by Yingsong Luo... alle arxiv.org 10-17-2024

https://arxiv.org/pdf/2410.12187.pdf

Domande più approfondite

如何將 DAQ 方法應用於其他類型的深度學習模型，例如卷積神經網絡？

DAQ 方法的核心思想是根據權重的密度和對模型輸出的影響來調整動態範圍，從而提高浮點量化的精度。這種思想可以應用於其他類型的深度學習模型，例如卷積神經網絡 (CNN)。
具體步驟如下：

密度中心對齊 (DCA)：

CNN 的權重通常以卷積核的形式組織。對於每個卷積核，我們可以像 DAQ 中處理 LLM 權重一樣，找到高密度權重的中心，並將動態範圍中心對齊到該點。
考慮到 CNN 中權重共享的特性，我們可以選擇對每個卷積層的所有卷積核應用相同的動態範圍，或者根據每個卷積核自身的權重分佈設定獨立的動態範圍。

可學習動態範圍調整 (LDRA)：

我們可以使用與 DAQ 中相同的方法，根據量化後的 CNN 模型在校準數據集上的輸出，通過有限差分法來優化量化參數（縮放和零點），進一步調整動態範圍。

需要注意的是：

CNN 的激活值分佈與 LLM 存在差異，因此在應用 DAQ 時，需要根據具體的 CNN 模型和任務進行調整。例如，可以根據激活值的統計特性來調整 DCA 中的參數 m。
CNN 中常用的批歸一化 (Batch Normalization) 操作可能會影響權重的分佈，因此在應用 DAQ 前，可能需要對批歸一化參數進行調整或融合。
總之，DAQ 方法的核心思想可以應用於 CNN 等其他類型的深度學習模型，但需要根據具體模型和任務進行適當的調整。

如果訓練數據集極度有限，DAQ 方法是否仍然有效？

根據論文中的實驗結果，即使訓練數據集極度有限，DAQ 方法仍然比其他量化方法表現更出色。
原因如下：

DAQ 的 DCA 階段不依赖于训练数据，而是根据权重自身的分布特点来确定初始的动态范围。这使得 DAQ 在数据有限的情况下仍然能够找到一个相对合理的初始量化方案。
DAQ 的 LDRA 階段使用有限差分法来优化量化参数，这种方法对数据的依赖程度相对较低。即使只有少量校准数据，LDRA 也能够根据量化模型的输出对动态范围进行有效的调整。
论文中的实验结果也表明：

使用 DAQ 方法，仅需 2 x 512 个词元的校准数据，就能达到使用 AWQ 方法、16 x 512 个词元校准数据的模型性能。
然而，需要注意的是：

如果训练数据集极度有限，所有量化方法的性能都会受到一定程度的影响。
在数据极度有限的情况下，可以考虑使用一些数据增强技术来扩充校准数据集，例如：

回译 (Back Translation)
同义词替换 (Synonym Replacement)
随机插入、删除、替换词语等
总而言之，DAQ 方法在训练数据极度有限的情况下仍然是有效的，并且相较于其他方法表现更加出色。

如何設計硬件加速器來支持 DAQ 方法，從而進一步提高 LLM 的推理速度？

設計硬件加速器來支持 DAQ 方法，可以從以下幾個方面考慮：

高效的密度中心對齊 (DCA) 計算單元：

DCA 阶段需要计算权重的分位数和动态范围。可以设计专门的硬件单元来加速这些计算，例如：

基于直方图的快速分位数估计算法
并行化的动态范围计算单元

低比特浮點運算單元：

DAQ 方法使用低比特浮點數來表示模型權重。可以設計專用的低比特浮點運算單元，以提高運算速度和效率，例如：

支持 NF4, FP4 等低比特浮點格式的乘法器和加法器
针对低比特浮点数设计的累加器和寄存器

支持可學習動態範圍調整 (LDRA) 的架構：

LDRA 阶段需要根据模型输出迭代优化量化参数。可以设计支持高效梯度计算和参数更新的硬件架构，例如：

支持片上存储和访问校准数据的内存架构
支持快速有限差分计算的硬件单元
支持低比特浮點數梯度下降的优化器

模型压缩和数据重用：

DAQ 方法可以与其他模型压缩技术结合使用，例如剪枝和知识蒸馏。可以设计支持这些压缩技术的硬件加速器，以进一步减少模型大小和内存占用。
在 LLM 推理过程中，可以设计数据重用机制，例如缓存中间层的激活值，以减少内存访问次数，提高推理速度。

总而言之，设计支持 DAQ 方法的硬件加速器需要综合考虑 DCA 和 LDRA 两个阶段的计算特点，以及低比特浮点数的存储和运算需求。通过优化硬件架构和算法，可以充分发挥 DAQ 方法的优势，进一步提高 LLM 的推理速度。