arrow_back العودة إلى المدونة
الذكاء الاصطناعي
تكميم النماذج للاستدلال الطرفي (Edge Inference)
ع
عبد الله الغازي
08 أبريل 2026
مقدمة
يتطلب تشغيل نماذج الذكاء الاصطناعي على أجهزة محدودة الموارد مثل الهواتف أو أجهزة IoT تقنيات ضغط متطورة.
1. من FP32 إلى INT8
يتمثل التكميم في تحويل أوزان النموذج من أرقام عائمة إلى أرقام صحيحة، مما يقلل الحجم ويسرع الاستدلال.
2. التكميم بعد التدريب
يعد التكميم بعد التدريب (PTQ) سهلاً ولكنه قد يؤدي لفقدان الدقة، بينما يدمج التدريب الواعي بالتكميم (QAT) أخطاء التكميم أثناء التدريب.
خاتمة
يعد التكميم حجر الزاوية في نشر الذكاء الاصطناعي في كل مكان وبكفاءة عالية.