Project Icon

KVQuant

提升长上下文推理效率的KV缓存量化方法

KVQuant通过精确的低精度量化技术显著提升长上下文长度推理的效率。其创新包括每通道的RoPE前关键量化和非均匀量化,以应对不同LLM中缓存的KV值模式。KVQuant支持在单个A100-80GB GPU上进行LLaMA-7B模型的1M上下文长度推理,甚至在8-GPU系统上支持长达10M上下文长度,从而减少推理过程中KV缓存的内存瓶颈,并通过并行topK支持和注意力感知量化等多项改进提升推理性能。

rwkv.cpp - 多精度量化推理和CPU优化的大语言模型
GithubPythonRWKVcuBLASggmlhipBLAS开源项目
该项目将RWKV-LM移植到ggerganov的ggml,支持FP32、FP16及量化的INT4、INT5和INT8推理,主要针对CPU使用,同时兼容cuBLAS。项目提供C库和Python封装。RWKV是一种不同于Transformer的大语言模型架构,只需前一步状态计算logits,适合长上下文使用。支持RWKV v5和v6模型以及LoRA检查点加载,适用于高质量和高性能需求的场景。
buddhi-128k-chat-7b-GGUF - 高效的文本生成模型量化方式,保障性能与质量
GithubHuggingfacellama.cpp开源项目模型质量量化高精度
本项目通过llama.cpp的量化处理,满足多样硬件需求,提供不同文件格式。i-matrix选项的应用和各类量化方式的整合,提升了模型精度与效率。根据RAM和VRAM情况,用户可以选择合适的量化版本。通过特性图表选择K-quants或I-quants,尤其是I-quants在性能和体积方面更具优势。下载指引详细,便于用户节省存储空间并优化性能,支持多种GPU平台,适合专业用户高效部署。
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。
Replete-LLM-V2.5-Qwen-14b-GGUF - Replete-LLM-V2.5-Qwen-14b模型的多量化处理与硬件优化概述
ARM芯片GithubHuggingfaceRombos-LLM-V2.5-Qwen-14b开源项目性能比较模型模型优化量化
该项目对Rombos-LLM-V2.5-Qwen-14b模型进行了多种量化优化,使用了llama.cpp的b3825版本。支持多种量化格式,如f16、Q8_0、Q6_K_L等,适用不同硬件环境,推荐Q6_K_L和Q5_K_L以实现高质量和资源节省。用户可根据硬件需求选择合适的格式,并使用huggingface-cli进行下载。针对ARM芯片提供了特定的优化量化选项Q4_0_X_X,广泛适用于文本生成应用,提升运行效率和输出质量。
AutoFP8 - 量化库优化大语言模型推理性能
AutoFP8FP8量化GithubvLLM开源项目模型压缩神经网络
AutoFP8是一个开源FP8量化库,用于生成vLLM兼容的压缩检查点。它提供FP8_E4M3精度的量化权重、激活和KV缓存比例,支持静态和动态激活方案。AutoFP8能将预训练模型转换为FP8格式,与vLLM无缝集成,提高大语言模型推理效率,同时保持模型精度。这个工具适用于优化和部署大规模语言模型。
Qwen2.5-Math-72B-Instruct-GGUF - Llamacpp在Qwen2.5-Math代码量化中的应用
ARM芯片GithubHugging FaceHuggingfaceQwen2.5-Math-72B-Instruct开源项目性能模型量化
项目应用llama.cpp对Qwen2.5-Math模型进行量化,提供多种量化格式以适应不同硬件配置。更新包括改进的分词器,涵盖高至极低质量的量化文件,适用于不同RAM和VRAM需求,并支持在ARM芯片上运行。使用K-quant和I-quant等量化方法,有助于优化模型性能与速度。下载和安装可通过huggingface-cli实现,灵活快捷。
auto-round - 针对大语言模型的高效量化算法
AutoRoundGithubLLM推理低位推理开源项目权重量化量化算法
AutoRound是一种针对大语言模型(LLM)的高效量化算法。通过符号梯度下降优化权重舍入和范围,仅需200步迭代即可达到业界领先水平,且不增加推理开销。该算法支持OPT、BLOOM、GPT-J等多种模型,提供混合精度量化、激活量化等实验功能,并兼容Intel Gaudi2硬件。AutoRound提供简洁的Python接口,方便用户进行模型量化和推理。
ppq - 多功能的神经网络量化工具
GithubOnnxPPQTensorRT开源项目神经网络量化量化优化
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。
Reasoning-0.5b-GGUF - 量化推理模型优化文本生成效果
GithubHuggingfaceReasoning-0.5bllama.cpp嵌入/输出权重开源项目文本生成模型量化
页面介绍了Reasoning-0.5b模型的多种量化版本,优化了ARM及其他平台的推理速度与性能。在LM Studio运行模型有助于在低RAM环境下展现性能优势。内容包括量化文件的特性、推荐下载链接、使用建议,以及在不同计算平台上的应用效果。用户通过huggingface-cli可依据硬件资源选择合适模型,提升性能效率。
hqq - 无需校准数据即可快速精确量化大模型的工具
8,4,3,2,1 bitsCUDAGithubHQQtorch.compile开源项目模型量化
HQQ是一种无需校准数据即可快速精确量化大模型的工具,支持从8bit到1bit的多种量化模式。兼容LLMs和视觉模型,并与多种优化的CUDA和Triton内核兼容,同时支持PEFT训练和Pytorch编译,提升推理和训练速度。详细基准测试和使用指南请访问官方博客。
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。

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