К содержимому
Другое

TES hot path int8

компактный мультимодальный модуль для MCU

2 мин чтенияобновлено

Это исследовательский релиз «горячего пути» (быстрого модуля) из системы Tiered Episodic Specialists для устройств класса STM32H743. Модуль сочетает стем MobileNetV2-0.5 на изображениях 160 px, хешированный текстовый ключ и блок слияния SAF; его дистиллировали без разметки из SmolVLM-256M. На выходе — предсказание по изображению и текстовому контексту; качество в карточке проверено на ScienceQA, COCO-presence и POPE. Пригодится исследователям TinyML, которым нужно запускать мультимодальные модели на MCU через TFLite Micro.

Ключевые особенности

  • Полный int8-граф весит 796 800 байт на каждый seed; для TFLM указана arena 495 948 байт.
  • В релизе три seed, отдельные графы stem и fusion, а также fp32-чекпоинты PyTorch.
  • Эпизодные таблицы занимают по 32 КБ на контекст.
  • На ScienceQA test accuracy 0.671 против 0.661 у учителя; int8 сохраняет точность fp32 — 0.657.
  • На темах, которых не было в обучении, hot path близок к случайному уровню; помогает эпизод без разметки.

Что можно сделать

  • Проверить int8-граф на STM32H743-классе через TFLite Micro и сравнить с оценками Renode/QEMU.
  • Поэкспериментировать с fp32-чекпоинтами и эпизодными таблицами под разные контексты.
  • Использовать релиз как baseline для дистилляции мультимодального модуля без разметки.
  • Сравнить раздельные графы stem/fusion с полным графом по памяти и точности.

Пример

Сценарий из карточки: подать изображение 160 px и текстовый ключ, выбрать эпизодную таблицу под контекст и получить предсказание. Для нового контекста нужен эпизод без разметки — иначе на незнакомых темах качество падает почти до случайного.

ПодробнееResearch release к статье «Tiered Episodic Specialists» (AAAI-27, under review).
ScienceQA test acc 0.671 (учитель 0.661); COCO-presence val 0.651; POPE test 0.605 (учитель 0.720).
int8: 0.657 против 0.657 fp32, argmax agreement 0.94.
Инструкции: 164 073 092 на ответ по Renode и QEMU, без замеров на железе; int8-метрики — reference kernels на x86.
int8-графы в релизе работают с почти пустым эпизодом.
Обсудить Telegram 0 79

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # euhidaman/tes-hotpath-int8
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download euhidaman/tes-hotpath-int8 --local-dir ~/models/tes-hotpath-int8
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к tes-hotpath-int8
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии tes-hotpath-int8 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

euhidaman/tes-hotpath-int8
Автор
euhidaman
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

790

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

VFIG-8B

VFIG-8B