From 4b31875a9882970a7ad4e681d01f4d7015fb521b Mon Sep 17 00:00:00 2001
From: westinyang <517858177@qq.com>
Date: Tue, 25 Jul 2023 00:07:41 +0800
Subject: [PATCH] docs: Update README.md
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

修复了中文文档在 9d50b01310ad8f489e07accab3f2089c77822e71 这次提交中删减了应该保留的说明，删除模型量化对应的代码修改 `.quantize(8)`，会变得与英文文档不一致，这将会导致看中文文档的初学者产生一定程度的疑惑！
---
 README.md | 8 +++++++-
 1 file changed, 7 insertions(+), 1 deletion(-)

diff --git a/README.md b/README.md
index acd15ee..e133d36 100644
--- a/README.md
+++ b/README.md
@@ -271,11 +271,17 @@ if __name__ == "__main__":
 默认情况下，模型以 FP16 精度加载，运行上述代码需要大概 13GB 显存。如果你的 GPU 显存有限，可以尝试以量化方式加载模型，使用方法如下：
 
 ```python
-model = AutoModel.from_pretrained("THUDM/chatglm2-6b-int4",trust_remote_code=True).cuda()
+# 按需修改，目前只支持 4/8 bit 量化
+model = AutoModel.from_pretrained("THUDM/chatglm2-6b", trust_remote_code=True).quantize(8).cuda()
 ```
 
 模型量化会带来一定的性能损失，经过测试，ChatGLM2-6B 在 4-bit 量化下仍然能够进行自然流畅的生成。 量化模型的参数文件也可以从[这里](https://cloud.tsinghua.edu.cn/d/674208019e314311ab5c/)手动下载。
 
+如果你的内存不足，可以直接加载量化后的模型：
+```python
+model = AutoModel.from_pretrained("THUDM/chatglm2-6b-int4",trust_remote_code=True).cuda()
+```
+
 ### CPU 部署
 
 如果你没有 GPU 硬件的话，也可以在 CPU 上进行推理，但是推理速度会更慢。使用方法如下（需要大概 32GB 内存）