Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

NVIDIA（米国カリフォルニア州サンタクララ）は、NVIDIA Model Optimizerを用いたCLIPモデルのFP8量子化手法を公開した。生成AIやマルチモーダルAI向けモデルを対象に、VRAM使用量削減と推論性能向上を両立する実践的なワークフローを提示したという。

同社によると、Model Optimizerは量子化、蒸留、枝刈り、スパース化など複数の最適化技術を統合したライブラリで、Hugging FaceやPyTorch形式モデルに対応する。今回の検証ではCLIP-ViT-L-14-laion2B-s32B-b82Kを対象に、MS-COCOデータセットを用いたFP8形式のPost-Training Quantization（PTQ）を実施した。

評価ではCIFAR-100、ImageNet-1k、MS-COCO Captionsの3種類のベンチマークを使用し、FP16版と比較してもFP8量子化モデルの品質低下は限定的だったとしている。特にpatch embedding層の量子化を無効化することで、精度低下をほぼ解消できたと説明している。

また、ModelOptではfake quantizationによる精度検証を行い、実際の低精度推論前に量子化影響を分析できるという。最終的にはONNX形式へのエクスポートやTensorRTによる推論高速化を想定しており、生成AIモデルの軽量化と効率的な展開を支援するとしている。