fix save

README.md

@@ -169,7 +169,7 @@ To help users design their configs, we now explain some universal configurations
       # utilize naive quantization to the transformed model to obtain the same performance as
       # the specifical-algorithm-quantized model.
       save_trans: False
-      # ``save_lightllm`` is True, which means you want to export a real quant model, e.g.,
+      # ``save_lightllm`` or ``save_trtllm`` is True, which means you want to export a real quant model, e.g.,
       # low-bit weights with weight and activation quantization parameters.
       save_lightllm: False
       # ``save_fake`` is True means you want to export fake_quant model, e.g.,

README_ja.md

@@ -159,7 +159,7 @@
   save:
       # ``save_trans``がTrueの場合、変換モデル（例：パラメータが変更されたモデル）をエクスポートしたいことを意味します。パフォーマンスと構造は元のモデルと同じであり、ユーザーは単純な量子化を使用して、特定のアルゴリズムで量子化されたモデルと同じパフォーマンスを得ることができます。
       save_trans: False
-      # ``save_lightllm``がTrueの場合、実際の量子化モデル（例：低ビットの重みと重みおよびアクティベーションの量子化パラメータ）をエクスポートしたいことを意味します。
+      # ``save_lightllm``または ``save_trtllm`` がTrueの場合、実際の量子化モデル（例：低ビットの重みと重みおよびアクティベーションの量子化パラメータ）をエクスポートしたいことを意味します。
       save_lightllm: False
       # ``save_fake``がTrueの場合、偽量子化モデル（例：量子化解除された重みとアクティベーションの量子化パラメータ）をエクスポートしたいことを意味します。
       save_fake: False

README_zh.md

@@ -159,7 +159,7 @@
   save:
       # 如果``save_trans``为 True，这意味着你想要导出转换模型，例如，参数修改的模型，其性能和结构与原始模型相同，用户可以对转换模型进行简单量化，以获得与特定算法量化模型相同的性能。
       save_trans: False
-      # 如果``save_lightllm``为 True，这意味着你想要导出真实的量化模型，例如，低位权重和权重及激活量化参数。
+      # 如果``save_lightllm`` 或者 ``save_trtllm`` 为 True，这意味着你想要导出真实的量化模型，例如，低位权重和权重及激活量化参数。
       save_lightllm: False
       # 如果``save_fake``为 True，意味着你想要导出假量化模型，例如，去量化的权重和激活量化参数。
       save_fake: False

llmc/__main__.py

@@ -71,27 +71,27 @@ def main(config):
             )
         blockwise_opt.run_block_loop()
 
-        if 'eval' in config and 'transformed' in config.eval.eval_pos:
-            blockwise_opt.deploy('origin_float')
-            for ppl_eval in eval_list:
-                ppl = ppl_eval.eval(model)
-                logger.info(f'{ppl_eval.dataset} ppl : {ppl}')
-
-        if 'cvt' in config and config.get('cvt', True):
-            blockwise_opt.run_block_cvt()
-
-        if 'save' in config and config.save.get('save_trans', False):
-            blockwise_opt.save_model(save_trans_path)
-
-        if 'save' in config and config.save.get('save_trtllm', False):
-            blockwise_opt.save_model(save_trtllm_trans_path)
-            from llmc.utils.export_trtllm import cvt_trtllm_engine
-
-            cvt_trtllm_engine(
-                save_trtllm_trans_path,
-                save_trtllm_engine_path,
-                config.save.get('trtllm_cfg'),
-            )
+    if 'eval' in config and 'transformed' in config.eval.eval_pos:
+        blockwise_opt.deploy('origin_float')
+        for ppl_eval in eval_list:
+            ppl = ppl_eval.eval(model)
+            logger.info(f'{ppl_eval.dataset} ppl : {ppl}')
+
+    if 'cvt' in config and config.get('cvt', True):
+        blockwise_opt.run_block_cvt()
+
+    if 'save' in config and config.save.get('save_trans', False):
+        blockwise_opt.save_model(save_trans_path)
+
+    if 'save' in config and config.save.get('save_trtllm', False):
+        blockwise_opt.save_model(save_trtllm_trans_path)
+        from llmc.utils.export_trtllm import cvt_trtllm_engine
+
+        cvt_trtllm_engine(
+            save_trtllm_trans_path,
+            save_trtllm_engine_path,
+            config.save.get('trtllm_cfg'),
+        )
 
     if 'eval' in config and 'fake_quant' in config.eval.eval_pos:
         blockwise_opt.deploy('fake_quant')