load_in_8bit 推理耗时比fp16长
haoxurt opened this issue · 3 comments
haoxurt commented
提交前必须检查以下项目
- 请确保使用的是仓库最新代码（git pull），一些问题已被解决和修复。
- 我已阅读项目文档和FAQ章节并且已在Issue中对问题进行了搜索，没有找到相似问题和解决方案。
- 第三方插件问题：例如llama.cpp、LangChain、text-generation-webui等，同时建议到对应的项目中查找解决方案。
问题类型
模型量化和部署
基础模型
Chinese-Alpaca-2 (7B/13B)
操作系统
Linux
详细描述问题
在V100上fp16推理13b模型，显存占用大概30G,耗时3s以内，同样的prompt, 使用int8推理，虽然显存占用明显减少至15G左右，但耗时增加到5s以上
依赖情况（代码类问题务必提供）
# 请在此处粘贴依赖情况（请粘贴在本代码块里）
运行日志或截图
# 请在此处粘贴运行日志（请粘贴在本代码块里）
iMountTai commented
bnb的8bit量化只是减少了权重大小，推理速度并不会提升。这种问题可以关注一下transformers或者bitsandbytes原repo下有没有优化方案。
github-actions commented
This issue has been automatically marked as stale because it has not had recent activity. It will be closed if no further activity occurs. Thank you for your consideration.
github-actions commented
Closing the issue, since no updates observed. Feel free to re-open if you need any further assistance.