什么技术呢？就是量化，别激动，不是量化交易，这里是指模型精度上的int8量化。
Transformer系列模型都在用吧？
Hugging Face都在用吧？
Fairseq都在用吧？
那你们训练和推理的时候没有觉得很慢吗？之前教过你们怎么用LightSeq来加速：
今天教你们一个更快的方法，用int8量化来进一步加速！
还是用一个有趣的GPT2文本生成模型来做例子，先来看一段AI生成的话解解闷（97-style，懂得都懂）：
我有男朋友了，我们要是面基了，我会叫他们帮我介绍感情的，介绍不了，他们那些技术活，我不是很感兴趣呀，我都不想看他们那些，但是，我觉得有人靠得住，就不会被气着，但是，我不介意他们说我看不上他们，可能他们就是想我不错，然后我就不敢看他们了，我还有希望，一米八几的，我感觉搞金融的比做程序员有钱多了，因为我做金融的很多比我大很多，我不知道，然后每次听到他们讲什么，我就很想去学习
到底有多快？
废话不多说，先来看看到底有多快。
首先是在A100显卡上的训练总时间（秒）：
可以看出，Hugging Face的int8训练（实则是伪量化）太慢了，比fp16还慢。而LightSeq的fp16和int8时间差不多，int8能快个2.3倍左右。
可能这时候有人要问了，你这int8训练比fp16还慢，我干嘛用int8呢？别急，看看int8训练完之后，推理的速度到底有多快。
下面在T4显卡上生成长度500的一句话的推理时间（毫秒）:
可以看出，Hugging Face根本就不支持int8推理！而LightSeq int8推理比fp16还能快1.35倍左右，比起Hugging Face的fp16更是不知道快到哪里去了，5.9倍妥妥的！
源代码
我将GPT2模型的训练、导出和推理代码都从LightSeq源码中抽离出来了，删除了冗余的部分，只留下了最最最精华的部分。数据和训好的模型也都开源了，具体运行命令我放在文章最后了：
https://github.com/godweiyang/ls-gpt2-demo
如果想学习完整的使用方法和LightSeq实现原理，还是建议直接去看LightSeq源码：
https://github.com/bytedance/lightseq
基本原理
int8为什么这么快？我不做过多细节的介绍，最近会发布详细的技术博客，这里只简单说几点基本原理：
- int8的矩阵乘法更快。
- int8的数据读写更快。
- int8的参数存储更小。
所以LightSeq的int8训练和推理都非常快，但为啥Hugging Face的int8就这么慢呢？因为它不支持int8的矩阵乘法，只能用插入伪量化结点的方法来模拟int8量化，所以反而会更慢。
目前LightSeq的int8量化不仅速度更快，还做到了大部分任务上效果基本无损，用起来还非常简单！
运行命令
如果你说不在乎时间，不在乎显卡贵，就是有钱任性。那好，有本事直接用fp16，别用int8好了。
用fp16精度pretrain模型
训练数据train.txt里面，一行一段话，大概500字左右。也可以替换成你自己的语料，我这里是某知名水友的群聊语录。
python3 -m torch.distributed.launch \ --nproc_per_node=8 \ train.py \ --model_name_or_path uer/gpt2-chinese-cluecorpussmall \ --train_file data/train.txt \ --per_device_train_batch_size 16 \ --per_device_eval_batch_size 8 \ --num_train_epochs 150 \ --learning_rate 1.5e-4 \ --output_dir model/fp16 \ --overwrite_output_dir \ --fp16 \ --logging_steps 10 \ --enable_quant false
导出fp16模型
这里-l可以指定生成的最大长度。
python3 export.py \ -m model/fp16/pytorch_model.bin \ -l 500
用fp16模型生成句子
这里-p用来指定词表所在的路径。
python3 generate.py \ -m model/fp16/pytorch_model.hdf5 \ -i "我好难受" \ -p "uer/gpt2-chinese-cluecorpussmall"
但是如果你没啥钱，就想快点训练和推理完，那就直接上int8量化吧！
用fp16精度pretrain模型
第一步跟刚刚fp16训练一样，先预训练一个fp16的模型，这样能避免int8效果损失。
python3 -m torch.distributed.launch \ --nproc_per_node=8 \ train.py \ --model_name_or_path uer/gpt2-chinese-cluecorpussmall \ --train_file data/train.txt \ --per_device_train_batch_size 16 \ --per_device_eval_batch_size 8 \ --num_train_epochs 150 \ --learning_rate 1.5e-4 \ --output_dir model/fp16 \ --overwrite_output_dir \ --fp16 \ --logging_steps 10 \ --enable_quant false
用int8精度finetune模型
然后在刚刚预训练的fp16模型基础上，用int8再finetune一会儿。
python3 -m torch.distributed.launch \ --nproc_per_node=8 \ train.py \ --model_name_or_path uer/gpt2-chinese-cluecorpussmall \ --train_file data/train.txt \ --per_device_train_batch_size 16 \ --per_device_eval_batch_size 8 \ --num_train_epochs 200 \ --learning_rate 5e-6 \ --output_dir model/int8 \ --overwrite_output_dir \ --resume_from_checkpoint model/fp16 \ --fp16 \ --logging_steps 10 \ --enable_quant true
导出int8模型
导出int8模型，-q指定导出的是int8模型。
python3 export.py \ -m model/int8/pytorch_model.bin \ -l 500 \ -q
用int8模型生成句子
这里-q指定用int8模型来推理。
python3 generate.py \ -m model/int8/pytorch_model.hdf5 \ -i "我好难受" \ -p "uer/gpt2-chinese-cluecorpussmall" \ -q
