Project Icon

Mythalion-13B-AWQ

利用高效的低比特量化提升Transformer推理速度

该项目提供高效的AWQ模型文件,支持4比特量化在多用户环境中实现快速Transformer推理。虽然未量化模型的整体吞吐量更高,但通过使用更小的GPU,AWQ模型显著降低了部署成本,例如仅需1台48GB GPU即可运行70B模型。该模型适合需要高吞吐量并行推理的场景,用户可借助vLLM或AutoAWQ轻松调用以降低成本并简化部署。

Qwen2-0.5B-Instruct-GGUF - 高性能轻量级开源语言模型 支持多种量化等级
GGUF格式GithubHuggingfaceQwen2开源项目模型自然语言处理语言模型量化模型
Qwen2-0.5B-Instruct模型提供多种GGUF格式量化版本,从q2_k到q8_0不等。模型基于Transformer架构,使用SwiGLU激活和改进的分组查询注意力,支持多语言及代码处理。经过大规模预训练和监督微调,可通过llama.cpp部署,支持OpenAI API兼容调用。在WikiText困惑度测试中表现优秀,为轻量级开源语言模型应用提供了便利选择。
Qwen2.5-3B-Instruct-GGUF - Qwen2.5-3B-Instruct重启量化技术提升多设备文本生成表现
GithubHuggingfaceQwen2.5-3B-Instruct嵌入输出权重开源项目文件大小模型模型下载量化
本项目通过使用llama.cpp进行量化优化,使文本生成模型在各类设备上运行更为高效,其在ARM芯片上的性能尤为突出,同时提供多种量化类型以满足不同内存和计算需求。更新的tokenizer进一步提升了文本生成质量。项目提供多种K-quant和I-quant选项以满足特定环境需求,并深入对比不同量化格式的性能差异。为研究人员和开发者提供丰富下载资源和技术支持,助力大规模语言模型的高效实现。
gemma-2-9b-it-abliterated-GGUF - 文本生成性能优化的多种量化方法
ARM芯片GithubHuggingfacegemma-2-9b-it-abliterated嵌入/输出权重开源项目文本生成模型量化
该项目使用llama.cpp进行gemma-2-9b-it-abliterated模型的多种量化实现,能够适应不同的内存和硬件需求。用户可根据设备的RAM和GPU VRAM选择适合的模型文件大小。项目支持多种量化格式,如Q5_K_M和IQ3_M等,以满足不同的性能需求。通过huggingface-cli,用户可以轻松下载特定量化模型,并实现高效推理。建议在LM Studio中运行,并分享使用体验,以帮助优化模型质量和性能。
glm-4-9b-chat-1m-GGUF - 基于GLM-4的轻量级中文对话模型量化版本
GGUFGLM-4GPU优化GithubHuggingface大语言模型开源项目模型模型量化
该项目基于GLM-4-9b-chat-1m模型开发,通过llama.cpp实现多种精度的模型量化。从18GB的F16版本到4GB的IQ2版本,提供了丰富的量化选项。项目中包含详细的性能对比和部署建议,方便开发者根据硬件条件选择合适的量化版本进行本地化部署。
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。
zephyr-7B-beta-AWQ - 基于Mistral模型优化的高性能7B开源对话模型,支持AWQ量化部署
AI模型GithubHuggingfaceZephyr 7B Beta大语言模型开源项目微调性能评估模型
Zephyr-7B-beta是基于Mistral-7B-v0.1模型的开源对话助手,采用DPO技术训练,在多项基准测试中表现优异。模型支持AWQ 4-bit量化,文件大小仅4.15GB,可通过多种框架高效部署。该项目使用MIT许可证,主要支持英语,适合研究和教育用途。
Qwen-7B-Chat-Int4 - 大规模语言模型的高效应用
GithubHuggingfaceQwen-7B-Chat中文评测开源项目模型模型量化训练数据通义千问
Qwen-7B-Chat-Int4由阿里云基于Transformer架构开发,利用对齐机制和广泛的数据集进行训练,更新版在语言理解及数学和代码任务中表现出色。模型在多个任务中展现出较高的推理速度和低显存占用得益于其广泛预训练数据和先进的量化技术。优化后的分词器及加速方案便于多语言应用。更多信息请参见官方GitHub库。
BitNet-Transformers - 缩放1-bit大语言模型,提高GPU内存利用率
BitNet-TransformersGithubHuggingfaceLLama(2)Wikitext-103pytorch开源项目
BitNet-Transformers项目使用Llama (2)架构,并通过1-bit权重缩放技术,实现对大型语言模型的高效训练和推理。该项目基于Huggingface Transformers,显著降低了GPU内存占用,从原始LLAMA的250MB减少到BitNet模型的最低要求。用户可通过wandb实时追踪训练进度,并在Wikitext-103上进行训练。项目提供了详细的开发环境配置和训练步骤指南,为研究者和开发者提供有力支持。
Meta-Llama-3.1-70B-Instruct-GPTQ-INT4 - INT4量化版提升多语言对话效率
GPTQGithubHuggingfaceMeta-Llama-3.1-70B-Instruct大语言模型开源项目推理模型量化
本项目展示了Meta Llama 3.1 70B Instruct模型的INT4量化版本。通过AutoGPTQ技术,将原FP16模型压缩至INT4精度,在维持性能的同时显著减少内存使用,仅需约35GB显存即可运行。该项目兼容多个推理框架,如Transformers、AutoGPTQ、TGI和vLLM,便于根据不同需求进行选择。项目还附有详细的量化复现指南,方便用户独立完成模型量化过程。
Qwen1.5-32B-Chat-GGUF - 基于Transformer架构的多语言解码模型
GithubHuggingfaceQwen1.5多语言支持开源项目模型模型性能语言模型量化模型
Qwen1.5是基于Transformer的语言模型,在多个模型规模和多语言支持方面有显著提升。支持从0.5B到72B的不同模型规模,表现出色的人类偏好能力,所有模型都稳定支持32K上下文长度,无需额外信任远程代码。项目提供多种量化模型格式,并评估了Wiki数据集上的模型困惑度。改进的分词器增强了对多种自然语言和代码的支持。
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