目录
- 1、auto-gptq是什么？
- 2、auto-gptq安装
- 3、auto-gptq不正确安装可能会出现的问题
- （1）爆出：`CUDA extension not installed.`
- （2）没有报错但是推理速度超级慢
1、auto-gptq是什么？
Auto-GPTQ 是一种专注于 量化深度学习模型 的工具库。它的主要目标是通过量化技术（Quantization）将大型语言模型（LLM）等深度学习模型的大小和计算复杂度显著减少，从而提高推理效率，同时尽可能保持模型的性能。
2、auto-gptq安装
在Linux和Windows上，AutoGPTQ可以通过预先构建的轮子为特定的PyTorch版本安装:
| AutoGPTQ version | CUDA/ROCm version | Installation | Built against PyTorch |
|---|---|---|---|
| latest (0.7.1) | CUDA 11.8 | pip install auto-gptq --extra-index-url https://huggingface.github.io/autogptq-index/whl/cu118/ | 2.2.1+cu118 |
| latest (0.7.1) | CUDA 12.1 | pip install auto-gptq | 2.2.1+cu121 |
| latest (0.7.1) | ROCm 5.7 | pip install auto-gptq --extra-index-url https://huggingface.github.io/autogptq-index/whl/rocm571/ | 2.2.1+rocm5.7 |
| 0.7.0 | CUDA 11.8 | pip install auto-gptq --extra-index-url https://huggingface.github.io/autogptq-index/whl/cu118/ | 2.2.0+cu118 |
| 0.7.0 | CUDA 12.1 | pip install auto-gptq | 2.2.0+cu121 |
| 0.7.0 | ROCm 5.7 | pip install auto-gptq --extra-index-url https://huggingface.github.io/autogptq-index/whl/rocm571/ | 2.2.0+rocm5.7 |
| 0.6.0 | CUDA 11.8 | pip install auto-gptq==0.6.0 --extra-index-url https://huggingface.github.io/autogptq-index/whl/cu118/ | 2.1.1+cu118 |
| 0.6.0 | CUDA 12.1 | pip install auto-gptq==0.6.0 | 2.1.1+cu121 |
| 0.6.0 | ROCm 5.6 | pip install auto-gptq==0.6.0 --extra-index-url https://huggingface.github.io/autogptq-index/whl/rocm561/ | 2.1.1+rocm5.6 |
| 0.5.1 | CUDA 11.8 | pip install auto-gptq==0.5.1 --extra-index-url https://huggingface.github.io/autogptq-index/whl/cu118/ | 2.1.0+cu118 |
| 0.5.1 | CUDA 12.1 | pip install auto-gptq==0.5.1 | 2.1.0+cu121 |
| 0.5.1 | ROCm 5.6 | pip install auto-gptq==0.5.1 --extra-index-url https://huggingface.github.io/autogptq-index/whl/rocm561/ | 2.1.0+rocm5.6 |
AutoGPTQ is not available on macOS.
注意：安装的auto-gptq版本必须与CUDA和pytorch版本都适配，安装完之后推理速度很慢可能是需要从源码安装
3、auto-gptq不正确安装可能会出现的问题
（1）爆出：CUDA extension not installed.
这个问题我一直以为是CUDA和pytorch没配置好，或者不适配硬件，甚至以为是没有安装cudnn的原因，但最后发现原来是安装的auto-gptq不适配当下环境。
注意按照上面的方法安装auto-gptq仍然可能报错或者不适配，此时应该从源码安装，可以参考教程AutoGPTQ/README_zh.md at main · AutoGPTQ/AutoGPTQ，或者解决 GPTQ 模型导入后推理生成 Tokens 速度很慢的问题（从源码重新安装 Auto-GPTQ）_auto gptq 源码构建非cuda版本-CSDN博客
（以下摘自官方文档）
克隆源码:
git clone https://github.com/PanQiWei/AutoGPTQ.git && cd AutoGPTQ然后，从项目目录安装:
pip install .正如在快速安装一节，你可以使用
BUILD_CUDA_EXT=0来取消构建 cuda 拓展。如果你想要使用 triton 加速且其能够被你的操作系统所支持，请使用
.[triton]。对应 AMD GPUs，为了从源码安装以支持 RoCm，请设置
ROCM_VERSION环境变量。同时通过设置
PYTORCH_ROCM_ARCH
(reference)
可提升编译速度，例如：对于 MI200 系列设备，该变量可设为gfx90a。例子：
ROCM_VERSION=5.6 pip install .对于 RoCm 系统，在从源码安装时额外需要提前安装以下包：
rocsparse-dev,hipsparse-dev,
rocthrust-dev,rocblas-devandhipblas-dev。
（2）没有报错但是推理速度超级慢
此时查看auto-gptq版本，如果版本后没有带cu1xx，则可能是需要从源码安装
