fa3_quant.md

fa3_quant 配置说明

1. 配置概述

FA3（FlashAttention-3）量化处理器配置。

项目	内容
配置类	FA3QuantProcessorConfig
源码	processor.py

2. 参数列表

2.1 FA3QuantProcessorConfig

字段路径	类型	必选/可选	默认值	取值范围或格式	含义	引用配置
type	string	可选	fa3_quant	fa3_quant	处理器类型，固定为 fa3_quant。	无
qconfig	object / null	可选	null	—	统一量化配置；不提供时默认使用 INT8 per-head symmetric，见《QConfig 配置说明》	本页 §2.2
include	list[string]	可选	['*']	—	包含的模块名称模式，默认 * 匹配全部模块	无
exclude	list[string]	可选	[]	—	排除的模块名称模式，优先级高于 include	无
details	object / null	可选	null	—	Q/K/V 分支级量化配置（FA3AttentionDetails），见《FA3AttentionDetails 配置说明》	本页 §2.3

配置约束

• 校验 qconfig 与 details 互斥：两者都提供时报错；两者都未提供时默认 INT8 per-head symmetric。

2.2 QConfig

描述单个张量（权重或激活）的量化方式。

字段路径	类型	必选/可选	默认值	取值范围或格式	含义	引用配置
dtype	string	必选	无	float、int8、int4、mxfp8、mxfp4、fp8_e4m3	量化数据类型，如 int8、int4、mxfp8、mxfp4、fp8_e4m3；float 表示该张量不量化。	无
scope	string	必选	无	per_tensor、per_channel、per_group、per_block、per_token、pd_mix、per_head、dual_scale	量化粒度，即 scale/zero_point 的计算范围：per_tensor（整张量一个尺度）、per_channel（按通道）、per_group/per_block（按分组或固定块）、per_token（按 token）、per_head（按注意力头）、dual_scale（双尺度）等；合法取值组合取决于 dtype 与量化器实现。	无
symmetric	bool	必选	无	—	是否对称量化。对称量化只保存 scale；非对称量化额外保存 zero_point，可用性取决于 dtype/scope 组合。	无
method	string	必选	无	—	量化参数估计算法，如 minmax、mse_round、histogram、ssz、none 等；可用取值取决于 dtype/scope/symmetric 组合，none 表示不估计参数（配合 float 使用）。	无
ext	object	可选	{}	—	量化器扩展参数，随 method 与量化器实现而定（如 gptq 的 percdamp/group_size）；空对象表示无扩展参数。	无

配置约束

• 无。

2.3 FA3AttentionDetails

FA3 注意力分支级量化配置，分别指定 Q/K/V 的量化方式。

字段路径	类型	必选/可选	默认值	取值范围或格式	含义	引用配置
fa_q	object	可选	null	—	Query 分支的量化配置，见《QConfig 配置说明》	本页 §2.2
fa_k	object	可选	null	—	Key 分支的量化配置，见《QConfig 配置说明》	本页 §2.2
fa_v	object	可选	null	—	Value 分支的量化配置，见《QConfig 配置说明》	本页 §2.2

配置约束

• 无。

3. 完整配置参考

apiversion: modelslim_v1
spec:
  process:
  - type: fa3_quant
    include:
    - '*'
    exclude: []