initing

README.md

-# <div align="center"><strong>AutoAWQ</strong></div>
+# <div align="center"><strong>AutoGPTQ</strong></div>
 ## 简介
-AutoAWQ 是一个用于4bit量化的三方组件。与FP16相比，AutoAWQ可以将模型速度提升3倍，内存需求减少3倍。AutoAWQ实现了激活感知权重量化（AWQ）算法，用于量化LLMs。AutoAWQ是基于麻省理工学院的[原始工作](https://github.com/mit-han-lab/llm-awq)进行改进和创建的。
+AutoGPTQ 是一个用于4bit量化的三方组件。AutoGPTQ 提供了一种高效的解决方案来优化深度学习模型，使其更适合在资源受限的环境中运行。通过自动化的量化流程和灵活的配置选项，开发者可以轻松实现性能和准确性的平衡。
 ## 安装
 
 ### 使用源码编译方式安装
@@ -23,18 +23,16 @@ docker run -it --name mydocker --shm-size=1024G -v /opt/hyhal:/opt/hyhal:ro --de
 #### 源码编译安装
 - 代码下载
 根据不同的需求下载不同的分支
-- 提供2种源码编译方式（进入AutoAWQ目录）：
+- 提供2种源码编译方式（进入AutoGPTQ目录）：
 ```
-#基础依赖安装：                      
-pip install -r requirements.txt  
 
 1. 源码编译安装
-pip3 install e.
+pip3 install e .
 
 2. 编译成whl包安装
 # 安装wheel 
 python3 setup.py bdist_wheel
-cd dist && pip3 install autoawq*
+cd dist && pip3 install auto_gptq*
 ```
 ## 支持模型
 | Models   |            Sizes            |
@@ -42,23 +40,16 @@ cd dist && pip3 install autoawq*
 | LLaMA-2  | 7B/13B/70B                  |
 | LLaMA    | 7B/13B/30B/65B              |
 | Mistral  | 7B                          |
-| Vicuna   | 7B/13B                      |
 | MPT      | 7B/30B                      |
-| Falcon   | 7B/40B                      |
 | OPT      | 125m/1.3B/2.7B/6.7B/13B/30B |
 | Bloom    | 560m/3B/7B/                 |
 | GPTJ     | 6.7B                        |
-| Aquila   | 7B                          |
-| Aquila2  | 7B/34B                      |
 | Yi       | 6B/34B                      |
 | Qwen     | 1.8B/7B/14B/72B             |
-| BigCode  | 1B/7B/15B                   |
 | GPT NeoX | 20B                         |
 | GPT-J    | 6B                          |
-| LLaVa    | 7B/13B                      |
 | Mixtral  | 8x7B                        |
 | Baichuan | 7B/13B                      |
-| QWen     | 1.8B/7B/14/72B              |