# FBGEMM

[FBGEMM (Facebook GEneral Matrix Multiplication)](https://github.com/pytorch/FBGEMM), küçük batch boyutları için düşük hassasiyetli matris çarpımı kütüphanesidir ve satır bazlı kuantizasyon ile aykırı değerlere duyarlı kuantizasyon gibi doğruluk kaybını azaltan teknikleri destekler. FBGEMM ile bir modelin ağırlıklarını 8-bit/kanal, aktivasyonlarını ise 8-bit/tokene (fp8 veya w8a8 olarak da bilinir) kuantize edebilirsiniz.

> [!TIP]
> H100 gibi [compute capability 9+](https://developer.nvidia.com/cuda-gpus#collapseOne) destekleyen bir GPU'ya ihtiyacınız var.

En güncel sürüme sahip olduğunuzdan emin olmak için aşağıdaki komutla FBGEMM_GPU paketini yükleyin.

```bash
pip install --upgrade accelerate fbgemm-gpu torch
```

Yükleme sorunları yaşıyorsanız, [gece sürümünü](https://pytorch.org/FBGEMM/fbgemm_gpu-development/InstallationInstructions.html#fbgemm-gpu-install-libraries:~:text=found%20here.-,Install%20the%20FBGEMM_GPU%20Package,-Install%20through%20PyTorch) yüklemeyi deneyin.

Bir [FbgemmFp8Config](/docs/transformers/main/tr/main_classes/quantization#transformers.FbgemmFp8Config) oluşturun ve modeli fp8'e kuantize etmek için [from_pretrained()](/docs/transformers/main/tr/main_classes/model#transformers.PreTrainedModel.from_pretrained) fonksiyonuna iletin.

```py
from transformers import FbgemmFp8Config, AutoModelForCausalLM

quantization_config = FbgemmFp8Config()
quantized_model = AutoModelForCausalLM.from_pretrained(
    "meta-llama/Meta-Llama-3-8B",
    dtype="auto",
    device_map="auto",
    quantization_config=quantization_config
)
```

[save_pretrained()](/docs/transformers/main/tr/main_classes/model#transformers.PreTrainedModel.save_pretrained) ve [from_pretrained()](/docs/transformers/main/tr/main_classes/model#transformers.PreTrainedModel.from_pretrained) fonksiyonları, kuantize edilmiş bir modelin kaydedilmesini ve yüklenmesini sağlar.

```py
quant_path = "/path/to/save/quantized/model"
quantized_model.save_pretrained(quant_path)
model = AutoModelForCausalLM.from_pretrained(quant_path, device_map="auto")
```

## Kaynaklar

FBGEMM hakkında daha fazla ayrıntı için [Open-sourcing FBGEMM for state-of-the-art server-side inference](https://engineering.fb.com/2018/11/07/ml-applications/fbgemm/) blog yazısını okuyun.