你有没有想过，像我们平时使用的智能手机、家里的智能音箱这样的小设备，也能运行那些参数量高达数十亿的大型语言模型（LLM）呢？这听起来像是天方夜谭，毕竟这些模型动辄需要巨大的算力和存储资源，但实际上，随着技术的发展，这个梦想正在变成现实。那么，问题来了，怎么在资源有限的边缘设备上高效运行这些庞大的模型呢？有篇论文就是说的这个事，今天，我们就来聊聊这个话题。
论文地址：
https://arxiv.org/pdf/2410.00531
1. 大模型上“瘦身”：剪枝和量化
说到让大模型在小设备上跑得快，第一个想到的办法就是给模型“减肥”。这就像我们平时用手机，装了太多没用的APP，手机运行速度变慢了，删掉那些不常用的，手机立马又变得流畅了。
这里的“减肥”技术，通常有两种方法：剪枝和量化。简单来说，剪枝就是把模型中不常用的参数删掉，只保留那些真正有用的部分。就像整理行李一样，把不需要的东西扔掉，行李箱立刻轻了很多。量化则是把模型中的数据从高精度的浮点数转化为低精度的整型数，这样可以大幅减少内存占用。
