Toutes les ressources premium et membres pour 8,99 €/mois, en abonnement sans engagement. Voir les offres

PalateKit

Se connecter
Menu

Demander une ressource

Décrivez en une phrase la ressource qui vous manque. Nous vous écrirons quand elle sera publiée.

0 / 280

Une page, une vidéo ou une image en ligne.

Débloquer PalateKit

Tout débloquer

Offre

Le paiement vaut acceptation de nos conditions générales de vente.

Paiement sécurisé par Stripe. Reçus et factures envoyés par e-mail.

Content de vous revoir

Connectez-vous pour installer, télécharger ou sauvegarder cette ressource. Un compte gratuit suffit pour les ressources gratuites.

Quantifier un LLM après entraînement avec Quark v1.0.0

Utilisez cette ressource pour quantifier après entraînement un LLM PyTorch ou Hugging Face avec AMD Quark

Nouveau

  • 466 téléchargements
  • 130 mentions J'aime
  • 159 sauvegardes

Gratuit

Installer avec la CLI

Dans un terminal, depuis le dossier voulu :

npx --yes palatekit@latest install llm-post-training-quantization-amd

Sans option, la skill va dans ~/.agents/skills/ ; ajoutez --agent claude-code (ou codex, cursor…) pour viser un agent.

Première fois : connectez la CLI avec

npx --yes palatekit@latest login

L'agent identifie le modèle sur le Hub ou en local, choisit un plan de quantification (FP8, INT4 ou autre), produit un manifeste reproductible, demande l'accord avant l'exécution, puis vérifie le modèle quantifié. Il ne traite pas les fichiers .onnx et ne réentraîne pas le modèle.

Choisie surtout par

Mise à jour le 2 novembre 2026

Carte de la skill « Quantifier un LLM après entraînement avec Quark »

Caractéristiques

Fonctionne dans
Guides d'installation
Génère avec
Le modèle de votre agent
Licence
MIT

Ressources similaires

Tout voir

Ce que vous obtenez

  • SKILL.md : accueil du modèle, plan, manifeste et exécution
  • references/quant-plan.md et troubleshooting.md : plan de quantification et dépannage

Pour qui

  • Vous voulez réduire la taille d'un LLM de type Llama, Qwen ou Mistral en FP8 ou INT4
  • Vous devez produire un modèle quantifié reproductible

Pas pour qui

    Étiquettes

    • quantification
    • llm
    • fp8

    À propos

    Vous dites

    « Quantifie ce modèle Qwen en FP8 avec Quark et donne-moi le manifeste. »

    Carte de la skill « Quantifier un LLM après entraînement avec Quark »

    Skill publiée par amd sous licence MIT. Fichiers livrés dans leur version d'origine, en anglais.

    Voir plus

    Comment l'utiliser

    1. Installez la skill dans le dossier de skills de votre agent
    2. Demandez à votre agent de quantifier après entraînement un LLM PyTorch ou Hugging Face avec AMD Quark
    3. Relisez et ajustez le résultat

    Aperçu du contenu

    Fichiers

    • .federated.json0,3 Ko
    • evals/evals.json2,6 Ko
    • LICENSE1,1 Ko
    • NOTICE-PALATEKIT.md0,5 Ko
    • references/contracts/model_analysis.schema.json1,9 Ko
    • references/contracts/quant_plan.schema.json1,5 Ko
    • references/contracts/run_manifest.schema.json1,7 Ko
    • references/environment.md3,8 Ko
    • references/example-fp8-qwen3-8b.md3,3 Ko
    • references/model-intake.md4,5 Ko
    • references/quant-plan.md4,8 Ko
    • references/troubleshooting.md5,1 Ko
    • skill-card.md0,2 Ko
    • SKILL.md9,4 Ko

    Origine et licence

    Référencée sans modification

    Auteur
    amd
    Source
    github.com/amd/skills/tree/0b64b9c4decd14af2e9789f1ef4c1b66909e68b1/skills/quark-torch-llm-ptq
    Licence
    MIT

    Notice

    « quark-torch-llm-ptq » (amd, MIT) livré dans sa version d'origine : fiche en français et en anglais par PalateKit.

    Avis des utilisateurs

    –

    Aucune note pour l'instant

    Chargement des avis…

    Supprimer votre avis ?

    Votre note et votre commentaire seront retirés de la fiche.