在神经网络中，除了神经元自己的激活与否外，还有神经元之间的交流，可能有多个神经元的输出，加权混合之后，成为其他神经元的输入。由于神经网络中的神经元实在太多了，都用浮点数的话，空间会非常非常大。于是，将其转化为整数，是一个不错的选择，通常而言，会将其转化为 8位的整数或者4位的整数。
为了保证人工智能的效果，也会尽可能的在空间允许范围内，采用尽可能高的量化位数。
大模型参数数量通常使用 B 为单位，表示 个参数。
每个参数根据量化的位数，使用不同大小的内存。如果量化位数为 32 ，那么一个参数将需要 32 位 二进制进行表示，也就是说，需要 4 字节来存储。
如果采用 16 位量化，那么，将只需要 2 字节进行存储。
现在，请你计算，根据计算机的 内存容量、大模型的参数数量，选择尽可能高的量化位数。
可选量化位数：[1，32] 范围内的任意整数。