Unify the woq config weight_dtype for int4 and fp4 on different devices

docs/weightonlyquant.md

@@ -265,7 +265,7 @@ quantization_config = AutoRoundConfig(
     max_input_length=2048,
     compute_dtype="fp16",
     scale_dtype="fp16",
-    weight_dtype="int4_fullrange",
+    weight_dtype="int4",  # int4 == int4_clip
     calib_iters=2,
     calib_len=32,
     nsamples=2,

examples/.config/pytorch_optimize.json

@@ -1744,7 +1744,7 @@
       "params": {
         "model": "mistralai/Mistral-7B-v0.1",
         "output_dir": "saved_results",
-        "weight_dtype": "int4_fullrange"
+        "weight_dtype": "int4"
       }
     },
     "benchmark": {
@@ -1764,7 +1764,7 @@
       "params": {
         "model": "meta-llama/Llama-2-7b-hf",
         "output_dir": "saved_results",
-        "weight_dtype": "int4_fullrange"
+        "weight_dtype": "int4"
       }
     },
     "benchmark": {
@@ -1784,7 +1784,7 @@
       "params": {
         "model": "Qwen/Qwen-7B-Chat",
         "output_dir": "saved_results",
-        "weight_dtype": "int4_fullrange"
+        "weight_dtype": "int4"
       }
     },
     "benchmark": {

examples/huggingface/pytorch/code-generation/quantization/run_generation.py

@@ -109,11 +109,13 @@
     default="int8",
     choices=[
         "int8",
+        "int4",  # int4 == int4_clip
         "int4_clip",
-        "int4_fullrange",
+        "fp4",  # fp4 == fp4_e2m1
         "fp4_e2m1_bnb",
         "fp4_e2m1",
         "nf4",
+        "fp8",  # fp8 == fp8_e4m3
         "fp8_e5m2",
         "fp8_e4m3",
     ],

examples/huggingface/pytorch/text-generation/quantization/llm_quantization_recipes.md

@@ -81,7 +81,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --desc_act \
     --max_input_length 2048 \
     --scheme sym \
@@ -96,7 +96,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -135,7 +135,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --desc_act \
     --max_input_length 2048 \
     --scheme sym \
@@ -149,7 +149,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -188,7 +188,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --desc_act \
     --max_input_length 2048 \
     --scheme sym \
@@ -202,7 +202,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -244,7 +244,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --desc_act \
     --max_input_length 2048 \
     --scheme sym \
@@ -258,7 +258,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -300,7 +300,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --desc_act \
     --max_input_length 2048 \
     --scheme sym \
@@ -314,7 +314,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -353,7 +353,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --desc_act \
     --max_input_length 2048 \
     --scheme sym \
@@ -367,7 +367,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -406,7 +406,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --desc_act \
     --max_input_length 2048 \
     --scheme sym \
@@ -420,7 +420,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -459,7 +459,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --max_input_length 2048 \
     --scheme sym \
     --group_size 32 \
@@ -472,7 +472,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -511,7 +511,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --desc_act \
     --max_input_length 2048 \
     --scheme sym \
@@ -525,7 +525,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -564,7 +564,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --desc_act \
     --max_input_length 2048 \
     --scheme sym \
@@ -578,7 +578,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -618,7 +618,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --desc_act \
     --max_input_length 2048 \
     --scheme sym \
@@ -632,7 +632,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -671,7 +671,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --max_input_length 2048 \
     --scheme asym \
     --group_size 32 \
@@ -684,7 +684,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -723,7 +723,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --max_input_length 2048 \
     --scheme sym \
     --group_size 32 \
@@ -737,7 +737,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -776,7 +776,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --desc_act \
     --max_input_length 2048 \
     --scheme sym \
@@ -790,7 +790,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -829,7 +829,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --max_input_length 2048 \
     --scheme asym \
     --group_size 32 \
@@ -842,7 +842,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -881,7 +881,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --desc_act \
     --max_input_length 2048 \
     --scheme sym \
@@ -895,7 +895,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \
@@ -934,7 +934,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo GPTQ \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --max_input_length 2048 \
     --scheme sym \
     --group_size 128 \
@@ -947,7 +947,7 @@ python run_generation_cpu_woq.py \
     --woq \
     --woq_algo AutoRound \
     --bits 4 \
-    --weight_dtype int4_clip \
+    --weight_dtype int4 \
     --calib_iters 200 \
     --scheme asym \
     --group_size 128 \

examples/huggingface/pytorch/text-generation/quantization/run_generation_cpu_woq.py

@@ -62,11 +62,13 @@
     default="int8",
     choices=[
         "int8",
+        "int4",  # int4 == int4_clip
         "int4_clip",
-        "int4_fullrange",
+        "fp4",  # fp4 == fp4_e2m1
         "fp4_e2m1_bnb",
         "fp4_e2m1",
         "nf4",
+        "fp8",  # fp8 == fp8_e4m3
         "fp8_e5m2",
         "fp8_e4m3",
     ],

examples/huggingface/pytorch/text-generation/quantization/run_generation_gpu_woq.py

@@ -54,8 +54,12 @@
 parser.add_argument("--woq", action="store_true")
 parser.add_argument("--woq_algo", default="Rtn", choices=['Rtn', 'GPTQ', 'AutoRound'], 
                     help="Weight-only parameter.")
-parser.add_argument("--weight_dtype", type=str, default="int4_fullrange",
-                    choices=["int4_fullrange"])
+parser.add_argument("--weight_dtype", type=str, default="int4",
+                    choices=[
+                        "int4",  # int4 == int4_fullrange
+                        "int4_fullrange",
+                        ]
+                   )
 parser.add_argument("--group_size", type=int, default=128)
 parser.add_argument("--scheme", default="sym")
 parser.add_argument("--woq_enable_mse_search", action="store_true")

examples/huggingface/pytorch/text-generation/quantization/run_tuning.sh

@@ -19,7 +19,7 @@ function init_params {
   approach="PostTrainingStatic"
   script="run_generation_sq.py"
   alpha=0.5
-  weight_dtype="int4_clip"
+  weight_dtype="int4"
   scheme="asym"
   for var in "$@"
   do