在过去的一年里，大型语言模型(llm)有了飞速的发展，在本文中，我们将探讨几种(量化)的方式，除此以外，还会介绍分片及不同的保存和压缩策略。
说明：每次加载LLM示例后，建议清除缓存，以防止出现OutOfMemory错误。
del model, tokenizer, pipeimport torchtorch.cuda.empty_cache()
如果在jupyter中无法释放显存，请重启这个jupyter notebook。
模型加载
加载LLM的最直接、最普通的方式是通过
标签：GGUF,GPTQ,示例,torch,AWQ,pipe,LLM,import,加载 From： https://www.cnblogs.com/deephub/p/17835763.html