Logo
Project Icon

ppq

多功能的神经网络量化工具

PPQ神经网络量化OnnxTensorRT量化优化Github开源项目

PPQ 是一个适用于工业应用的神经网络量化工具。通过将浮点运算转换为定点运算，它显著提升系统功耗效率和执行速度。具备高度扩展性，用户可自定义量化过程，并结合多种硬件和推理库使用。版本 0.6.6 更新了图模式匹配、图融合功能，并新增 FP8 量化规范和 PFL 基础类库。支持 TensorRT, Openvino, Onnxruntime 等推理框架，实现高效的神经网络量化部署。

访问官网访问官网GithubGithubHuggingfaceHuggingface文档文档论文论文
介绍相关项目
Halu-8B-Llama3-v0.35-GGUF - Halu-8B-Llama3-v0.35量化版本选择指南，助力性能优化
GithubHalu-8B-Llama3-v0.35Huggingfacehuggingface-clitransformers开源项目文本生成模型量化
项目Halu-8B-Llama3-v0.35提供多种量化版本，通过不同的量化类型优化模型性能，以适应各类RAM和VRAM的需求。可选择K-quants或I-quants，满足特定场景下的性能需求。高质量的I-quants适用于CPU和Apple Metal，性能优于传统K-quants但不兼容Vulcan，并附有详细的性能图表和量化指南，帮助选择适合的量化版本。
Meta-Llama-3.1-70B-Instruct-FP8-KV - Meta-Llama-3.1的FP8量化方法实现高效部署
FP8GithubHuggingfaceMeta-Llama-3.1-70B-InstructQuark开源项目推理模型量化
项目使用Quark对Meta-Llama-3.1模型进行FP8量化，优化了线性层（不含lm_head）的权重和激活过程。支持用户在单或多GPU平台上部署并在vLLM兼容平台上高效运行。尽管伪量化评估结果可能与实际推理精确度略有不同，但仍提供关键指标，助力模型开发与优化。通过FP8对称模式的应用，模型性能得到提升，并提供了准确性的参考标准，为后续模型开发提供支持。
optimum-quanto - PyTorch模型量化框架 提升性能和效率
GithubOptimum QuantoPyTorch开源项目机器学习模型优化量化
Optimum Quanto是专为Optimum设计的PyTorch量化框架。它支持eager模式、多设备部署，自动插入量化/反量化存根和操作，实现从浮点到动态/静态量化模型的无缝转换。支持多种精度的权重和激活量化，有效提升模型性能和内存效率。该框架为Hugging Face和原生PyTorch模型提供简便的量化流程。
Qwen2.5-7B-Instruct-GGUF - Qwen2.5-7B-Instruct的多样化量化方案增强模型适应性
ARM芯片GithubHuggingfaceQwen2.5-7B-Instruct开源项目性能优化模型训练数据集量化
项目采用llama.cpp的最新量化方案对Qwen2.5-7B-Instruct模型进行优化，提供灵活的量化格式以匹配各类硬件环境。更新的上下文长度管理与先进的分词器，无论选择传统的Q-K量化还是新兴的I-quant，各种档次的文件都能帮助设备实现性能与速度的平衡。尤其是对ARM架构的专门优化，即便在低RAM环境下，用户也能凭借有限的资源获得可行的使用体验。
Mistral-Nemo-Instruct-2407-FP8 - FP8量化技术在模型优化与部署中的应用
GithubHuggingfaceMistral-Nemo-Instruct-2407-FP8开源项目模型模型优化评估部署量化
Mistral-Nemo-Instruct-2407-FP8通过FP8量化技术提升了模型的内存和体积效率，主要用于商业和研究。该模型适用于英语聊天助手，利用参数位数的减少节省约50%的资源。结合vLLM>=0.5.0的高效推理环境，优化部署性能。量化由AutoFP8完成，Neural Magic计划转向支持更多方案的llm-compressor。尽管量化后某些评测得分略有下降，但保持的性能恢复率使其成为资源效率化的优选方案。
awesome-model-quantization - 全面的模型量化研究资源
Awesome Model QuantizationBiBenchEfficient_AIGC_RepoGithubMQBenchSurvey of Quantization开源项目
此项目汇集了关于模型量化的各类论文、文档和代码，为研究者提供丰富的参考资源。内容包括二值化和量化方法的调研、基准测试，以及生成模型的压缩和加速技术。项目持续更新，并欢迎对未收录研究成果的贡献。感谢所有已作出贡献的研究者。
ppl.nn - 用于 AI 推理的高性能深度学习推理引擎
GithubONNXOpenMMLabPPLNN卷积神经网络开源项目深度学习推理
PPLNN是一款高效的深度学习推理引擎，兼容各种ONNX模型，并对OpenMMLab进行了优化。其最新的LLM引擎包括闪存注意力、分裂K注意力、动态批处理和张量并行等功能，并支持INT8分组和通道量化。项目发布了多个LLM模型，如LLaMA、ChatGLM和Baichuan，并提供详细的构建和集成指南。
Qwen2-7B-Multilingual-RP-GGUF - 多语言量化优化模型集合，支持多种精度和高效推理
GGUFGithubHuggingfaceQwen2-7B-Multilingual-RPllama.cpp开源项目模型模型文件量化
本项目提供了Qwen2-7B-Multilingual-RP模型的多种GGUF量化版本，文件大小从2.46GB到9.12GB不等。使用llama.cpp的imatrix技术，涵盖Q8至Q2多个精度级别，包括传统K-quants和新型I-quants方案。用户可根据设备性能选择适合的版本，支持在CPU、GPU等环境下进行英语、韩语、日语、中文和西班牙语的多语言处理。
Llama-3-8B-Instruct-GPTQ-4-Bit - 利用GPTQ量化优化模型性能的新方法
Apache AirflowGPTQGithubHuggingfaceMeta-Llama-3-8B-Instruct开源项目数据协调模型量化
Astronomer的4比特量化模型通过GPTQ技术减少VRAM占用至不足6GB，比原始模型节省近10GB。此优化提高了延迟和吞吐量，即便在较便宜的Nvidia T4、K80或RTX 4070 GPU上也能实现高效性能。量化过程基于AutoGPTQ，并按照最佳实践进行，使用wikitext数据集以减小精度损失。此外，针对vLLM和oobabooga平台提供详细配置指南，以有效解决加载问题。
brevitas - 面向神经网络量化的PyTorch库
BrevitasGithubPyTorch开源项目神经网络量化训练后量化量化感知训练
Brevitas是一个开源的神经网络量化PyTorch库，支持PTQ和QAT。它为常见PyTorch层提供量化版本，如QuantConv和QuantLSTM等，允许精细调整量化参数。兼容Python 3.8+和PyTorch 1.9.1-2.1，跨平台支持，推荐GPU加速。作为研究项目，Brevitas在深度学习模型压缩和效率优化方面具有重要应用价值。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号