SVDQuant – MIT 推出的扩散模型后训练量化技术

SVDQuant是MIT研究团队推出的后训练量化技术，针对扩散模型，将模型的权重和激活值量化至4位，减少内存占用加速推理过程。SVDQuant引入高精度的低秩分支吸收量化过程中的异常值，在保持图像质量的同时，实现在16GB 4090 GPU上3.5倍的显存优化和8.7倍的延迟减少。SVDQuant支持DiT架构，兼容UNet架构，能无缝集成现成的低秩适配器（LoRAs），无需重新量化，为在资源受限的设备上部署大型扩散模型提供有效的解决方案。

官网：https://github.com/mit-han-lab/nunchaku

立即打开官网