Add Advanced Experiments Data in Docs (#1782)

docs/zh_cn/tutorials/quant/advanced_quantization.md

 # 量化策略详细教程
-近年来，Transformer模型已在各个领域得到广泛采用，尤其是生成式语言大模型极大地推动了人工智能领域的发展。这些模型已经从数亿个参数发展到数千亿个参数，在有限的数据和 GPU 资源下运行，对于这些模型来说变得越来越具有挑战性。此时压缩技术变得格外重要，其中量化已成为减少内存占用和计算开销的通用和主要范例。然而，许多研究表明，Transformer模型往往会存在强烈的异常激活值，这使得它们难以量化。为了保持可接受的性能，这些异常值的存在要求激活具有更高的位宽或使用不同的数字格式、额外的微调或其他解决方法。本文档会介绍前沿的优化量化效果的几种策略，其中包括一些开源工作，也包括PaddleSlim自研的方法。以下方法暂时仅支持Transformer模型，具体示例使用方法可参考[PaddleNLP LLM示例](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/llm/causallm)，以下教程仅详细介绍API接口。
+近年来，Transformer模型已在各个领域得到广泛采用，尤其是生成式语言大模型极大地推动了人工智能领域的发展。这些模型已经从数亿个参数发展到数千亿个参数，在有限的数据和 GPU 资源下运行，对于这些模型来说变得越来越具有挑战性。此时压缩技术变得格外重要，其中量化已成为减少内存占用和计算开销的通用和主要范例。然而，许多研究表明，Transformer模型往往会存在强烈的异常激活值，这使得它们难以量化。为了保持可接受的性能，这些异常值的存在要求激活具有更高的位宽或使用不同的数字格式、额外的微调或其他解决方法。本文档会介绍前沿的优化量化效果的几种策略，其中包括一些开源工作，也包括PaddleSlim自研的方法。
+
+## **LLM量化效果Benchmark**
+
+1. LLama 13b 在不同量化策略下精度对比
+
+|  量化策略 | 比特数 | ACC1/% | ACC2/% |
+| --------------- | ---------- | ---------------- | ---------------- |
+| Baseline | FP16 | 78.32 | 32.98 |
+| RTN | W8A8 | 34.05 | 24.96 |
+| SmoothQuant | W8A8 | 42.36 | 27.78 |
+| ShiftQuant | W8A8 | 33.35 | 25.48 |
+| Shift-SmoothQuant | W8A8 | 45.26 | 24.66 |
+| 自适应Shift-SmoothQuant | W8A8 | **78.07** | **32.69** |
+| | | |
+| RTN | W4A16 | 75.48 | 29.27 |
+| GPTQ | W4A16 | **77.55** | **32.32** |
+
+2. Bloom 7.1b 在不同量化策略下精度对比
+
+|  量化策略 | 比特数 | ACC1/% | ACC2/% |
+| --------------- | ---------- | ---------------- | ---------------- |
+| Baseline | FP16 | 77.18 | 41.08 |
+| RTN |  W8A8 | 76.48 | 38.26 |
+| SmoothQuant | W8A8 |  76.57 | 38.70 |
+| ShiftQuant | W8A8 | 68.99 | 39.97 |
+| Shift-SmoothQuant | W8A8 | 76.77 | 37.22 |
+| 自适应Shift-SmoothQuant | W8A8 | **77.04** | **40.63** |
+| | | |
+| RTN | W4A16 | 75.18 | 38.03 |
+| GPTQ | W4A16 | **76.82** | **39.37** |
+
+3. ChatGLM2 6b 在不同量化策略下精度对比
+
+|  量化策略 | 比特数 | ACC1/% | ACC2/% |
+| --------------- | ---------- | ---------------- | ---------------- |
+| Baseline | FP16 | 76.46 | 31.57 |
+| PTQ-INT8 | W8A8 |  64.08 | 29.94 |
+| SmoothQuant | W8A8 |  64.29 | 29.86 |
+| ShiftQuant | W8A8 | 57.83 | 27.26 |
+| Shift-SmoothQuant | W8A8 | 58.89 | 24.29 |
+| 自适应Shift-SmoothQuant | W8A8 | **76.89** | **34.55** |
+| | | |
+| RTN | W4A16 | 74.20 | 26.30 |
+| GPTQ |  W4A16 | **75.66** | **31.50** |
+
+- ACC1：Finetuned下游任务下，使用数据集nl2sql的指标
+- ACC2：Pretrained开源任务下，使用数据集C-eval的指标
+
+以下方法暂时仅支持Transformer模型，具体示例使用方法可参考[PaddleNLP LLM示例](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/llm#6-%E9%87%8F%E5%8C%96)，以下教程仅详细介绍API接口。
 
 ## 1. Shift功能
 

paddleslim/quant/advanced/piecewise_search.py

@@ -84,7 +84,7 @@ class PieceWiseSearch():
                 # print('search for piece {}; centroids value is {}'.format(
                 #     piece[i], centroids[centroids.argsort()[i]].numpy()))
                 alpha = self.search_alpha_min
-                alpha_max = self.search_scale_max
+                alpha_max = self.search_scale_max if self.search_scale_max is not None else self.search_alpha_max
                 calibration_loss = float('inf')
                 final_alpha = None
                 mask_for_search = paddle.where(labels == centroids.argsort()[i],
@@ -95,7 +95,9 @@ class PieceWiseSearch():
                     if alpha < 1:
                         alpha += 0.01
                         if alpha >= self.search_alpha_max:
-                            alpha = 1.
+                            alpha = self.search_scale_min
+                            if alpha is None:
+                                break
                     else:
                         alpha += 0.5
 

paddleslim/quant/observers/abs_max_weight.py

@@ -67,8 +67,9 @@ class AbsMaxChannelWiseWeightObserverLayer(ChannelWiseObserver):
             [i for i in range(len(inputs.shape)) if i != self.quant_axis()])
         abs_max_values = paddle.max(
             paddle.abs(inputs), axis=reduce_axis).cast("float32")
-        abs_max_values = paddle.where(abs_max_values == np.float32(0.0),
-                                      np.float32(1e-8), abs_max_values)
+        abs_max_values = paddle.where(
+            abs_max_values == paddle.to_tensor(0, dtype=inputs.dtype),
+            paddle.to_tensor(1e-8, dtype=inputs.dtype), abs_max_values)
         return abs_max_values
 
     def min_value(self) -> float: