par Disty0
Open source · 10k downloads · 13 likes
FLUX.2 klein 9B SDNQ 4bit est une version optimisée du modèle FLUX.2 klein 9B, utilisant une quantification dynamique en 4 bits pour réduire sa taille et améliorer son efficacité sans sacrifier significativement ses performances. Grâce à une approche fine par couche, il ajuste dynamiquement le type de données (uint4 ou int5) pour maintenir une perte de qualité minimale, garantissant ainsi un équilibre optimal entre précision et légèreté. Ce modèle est particulièrement adapté aux environnements où les ressources computationnelles sont limitées, comme les appareils mobiles ou les systèmes embarqués, tout en restant performant pour des tâches de génération de texte ou de traitement du langage. Sa méthode de quantification SVD (décomposition en valeurs singulières) avec un rang de 32 permet de compresser davantage le modèle tout en préservant ses capacités. Ce qui le distingue, c'est sa capacité à offrir une alternative plus accessible et économe en mémoire, tout en conservant une qualité proche de l'original.
Dynamic 4 bit quantization of black-forest-labs/FLUX.2-klein-9B using SDNQ.
This model uses per layer fine grained quantization.
What dtype to use for a layer is selected dynamically by trial and error until the std normalized mse loss is lower than the selected threshold.
Minimum allowed dtype is set to uint4 and std normalized mse loss threshold is set to 1e-2.
This created a mixed precision model with uint4 and int5 dtypes.
SVD quantization is enabled with SVD rank 32.
Usage:
pip install sdnq
import torch
import diffusers
from sdnq import SDNQConfig # import sdnq to register it into diffusers and transformers
from sdnq.common import use_torch_compile as triton_is_available
from sdnq.loader import apply_sdnq_options_to_model
pipe = diffusers.Flux2KleinPipeline.from_pretrained("Disty0/FLUX.2-klein-9B-SDNQ-4bit-dynamic-svd-r32", torch_dtype=torch.bfloat16)
# Enable INT8 MatMul for AMD, Intel ARC and Nvidia GPUs:
if triton_is_available and (torch.cuda.is_available() or torch.xpu.is_available()):
pipe.transformer = apply_sdnq_options_to_model(pipe.transformer, use_quantized_matmul=True)
pipe.text_encoder = apply_sdnq_options_to_model(pipe.text_encoder, use_quantized_matmul=True)
# pipe.transformer = torch.compile(pipe.transformer) # optional for faster speeds
pipe.enable_model_cpu_offload()
prompt = "A cat holding a sign that says hello world"
image = pipe(
prompt=prompt,
height=1024,
width=1024,
guidance_scale=1.0,
num_inference_steps=4,
generator=torch.manual_seed(0)
).images[0]
image.save("flux-klein-sdnq-4bit-dynamic-svd-r32.png")
Original BF16 vs SDNQ quantization comparison:
| Quantization | Model Size | Visualization |
|---|---|---|
| Original BF16 | 18.2 GB |  |
| SDNQ 4 Bit | 5.7 GB |  |