llmexport 0.0.4

llmexport: A toolkit to export llm to onnx or mnn.

LLM-Export

English | 中文

一个高效的大语言模型导出工具，能够将 LLM 模型导出为 ONNX 和 MNN 格式，支持量化优化和多模态模型。

✨ 主要特性

• 🚀 动态形状支持：优化原始代码，支持动态输入形状
• 🚀 模型优化：减少常量部分，提升推理性能
• 🚀 自动优化：集成 OnnxSlim 优化 ONNX 模型，性能提升约 5% (感谢 @inisis)
• 🚀 LoRA 支持：支持 LoRA 权重的合并/分离导出
• 🚀 量化技术：支持 AWQ、GPTQ、HQQ等多种量化方法
• 🚀 EAGLE 支持：支持 EAGLE 推理加速技术
• 🚀 多模态支持：支持文本、图像、音频等多模态模型
• 🚀 推理框架：提供 MNN 和 ONNX 推理代码

📜 快速开始

安装

# 从 PyPI 安装（推荐）
pip install llmexport

# 从 GitHub 安装最新版本
pip install git+https://github.com/wangzhaode/llm-export@master

# 本地开发安装
git clone https://github.com/wangzhaode/llm-export
cd llm-export
pip install -e .

基本用法

1. 下载模型

# 使用 Hugging Face CLI
huggingface-cli download Qwen/Qwen2.5-1.5B-Instruct --local-dir Qwen2.5-1.5B-Instruct

# 或使用 ModelScope（国内用户推荐）
modelscope download Qwen/Qwen2.5-1.5B-Instruct --local_dir Qwen2.5-1.5B-Instruct

2. 模型测试

# 文本对话测试
llmexport --path Qwen2.5-1.5B-Instruct --test "你好，请介绍一下你自己"

# 多模态测试（图像+文本）
llmexport --path Qwen2-VL-2B-Instruct --test "<img>image_url</img>描述一下这张图片"

3. 模型导出

# 导出为 ONNX 格式
llmexport --path Qwen2.5-1.5B-Instruct --export onnx

# 导出为 MNN 格式（默认 4bit 量化）
llmexport --path Qwen2.5-1.5B-Instruct --export mnn

# 自定义量化参数
llmexport --path Qwen2.5-1.5B-Instruct --export mnn --quant_bit 8 --quant_block 128

# 导出 EAGLE 模型
llmexport --path Qwen2.5-1.5B-Instruct --export mnn --eagle_path path/to/eagle

🔧 高级功能

模型导出选项

• ONNX 导出：使用 --export onnx 导出为 ONNX 格式
• MNN 导出：使用 --export mnn 导出为 MNN 格式
• 模型优化：默认启用 OnnxSlim 优化，使用 --onnx_slim 显式启用
• EAGLE 导出：使用 --eagle_path 导出 EAGLE 加速模型

量化配置

• 量化位数：--quant_bit 4/8 （默认 4bit）
• 量化块大小：--quant_block 64/128 （默认 64）
• LM Head 量化：--lm_quant_bit 单独设置输出层量化
• 对称量化：--sym 启用对称量化（无零点）

量化算法支持

• AWQ 量化：--awq 启用 AWQ 量化
• HQQ 量化：--hqq 启用 HQQ 量化
• GPTQ 量化：--gptq_path 加载 GPTQ 量化模型
• Smooth 量化：--smooth 启用 Smooth 量化

LoRA 支持

• LoRA 合并：--lora_path 指定 LoRA 权重路径
• LoRA 分离：--lora_split 分离导出 LoRA 权重

多模态支持

• 视觉量化：--visual_quant_bit、--visual_quant_block 设置视觉模块量化
• 视觉对称：--visual_sym 视觉模块对称量化

其他选项

• 详细输出：--verbose 显示详细日志
• 性能评估：--ppl 获取所有 token 的 logits
• 自定义输出：--dst_path 指定输出目录（默认 ./model）
• EAGLE 支持：--eagle_path 指定 EAGLE 模型路径

📎 命令行参数

基本参数

参数	类型	说明
--path	必需	模型路径，支持本地目录或 Hugging Face 模型 ID
--export	可选	导出格式：onnx 或 mnn
--test	可选	测试查询字符串
--dst_path	可选	输出目录（默认 ./model）
--verbose	开关	显示详细日志

量化参数

参数	默认值	说明
--quant_bit	4	量化位数（4 或 8）
--quant_block	64	量化块大小（0 表示通道级量化）
--lm_quant_bit	同 quant_bit	LM Head 层量化位数
--visual_quant_bit	模型相关	视觉模块量化位数
--visual_quant_block	模型相关	视觉模块量化块大小

量化算法

参数	说明
--awq	启用 AWQ 量化
--hqq	启用 HQQ 量化
--smooth	启用 Smooth 量化
--sym	启用对称量化（无零点）
--visual_sym	视觉模块对称量化

LoRA 支持

参数	说明
--lora_path	LoRA 权重路径
--lora_split	分离导出 LoRA 权重

EAGLE 支持

参数	说明
--eagle_path	EAGLE 模型路径

其他选项

参数	说明
--tokenizer_path	分词器路径（默认使用 --path）
--gptq_path	GPTQ 量化模型路径
--mnnconvert	本地 MNNConvert 路径
--onnx_slim	启用 ONNX-Slim 优化
--ppl	获取所有 token 的 logits
--seperate_embed	分离嵌入层以避免量化
--calib_data	校准数据路径

📋 支持模型

目前支持以下模型类型：

文本模型

• Qwen 系列：Qwen3、Qwen2.5、Qwen2、Qwen1.5、Qwen-VL 等
• LLaMA 系列：Llama-3.2、Llama-3、Llama-2 等
• ChatGLM 系列：ChatGLM4、ChatGLM3、ChatGLM2 等
• Baichuan 系列：Baichuan2-7B-Chat 等
• Yi 系列：Yi-6B-Chat 等
• 其他：InternLM、DeepSeek、Phi、Gemma、TinyLlama、SmolLM 等

多模态模型

• 视觉模型：Qwen2-VL、Qwen2.5-VL、Qwen3-VL、Llama-3.2-Vision、InternVL 等
• 音频模型：Qwen2-Audio、Qwen2.5-Omni 等

嵌入模型

• 文本嵌入：bge-large-zh、gte-multilingual 等

💾 模型下载

我们提供了已经优化的模型下载：

• Hugging Face：taobao-mnn
• ModelScope：MNN

部分热门模型：

模型	Hugging Face	ModelScope
DeepSeek-R1-1.5B-Qwen	Q4_1	Q4_1
Qwen2.5-0.5B-Instruct	Q4_1	Q4_1
Qwen2.5-1.5B-Instruct	Q4_1	Q4_1
GPT-OSS-20B	Q4_1	Q4_1
Qwen3-4B-Instruct-2507	Q4_1	Q4_1

更多模型请查看完整列表。

🔗 相关项目

• MNN 推理：mnn-llm - MNN 框架的 LLM 推理库
• ONNX 推理：onnx-llm、OnnxLLM - ONNX 格式推理库
• 模型优化：OnnxSlim - ONNX 模型优化工具

📄 许可证

本项目采用 Apaache 2.0 许可证。