Project Icon

QDax

高效加速质量多样性算法的开源框架

QDax是一个开源框架,用于加速质量多样性(QD)和神经进化算法。通过利用硬件加速器和大规模并行化,QDax将原本需要数天甚至数周才能在大型CPU集群上完成的QD算法运行时间缩短至几分钟。作为灵活易扩展的研究工具,QDax适用于各类问题设置,支持MAP-Elites、QDPG等多种核心QD算法,并提供多个基准任务实现。该项目由Adaptive & Intelligent Robotics Lab和InstaDeep联合开发维护。

EfficientQAT - 高效量化训练技术助力大型语言模型压缩
EfficientQATGithubPyTorch大语言模型开源项目模型压缩量化训练
EfficientQAT是一种针对大型语言模型的量化训练技术。该技术采用两阶段训练方法,包括分块训练所有参数和端到端训练量化参数,在压缩模型大小的同时保持性能。EfficientQAT支持GPTQ和BitBLAS等多种量化格式,已成功应用于Llama和Mistral等模型系列,有效降低模型存储需求,为大型语言模型的部署提供了实用方案。
QuEST - 多平台高性能量子计算模拟工具包
GithubQuEST开源软件开源项目量子电路量子计算模拟高性能计算
QuEST是一款开源的高性能量子计算模拟工具包。它支持多线程、GPU加速和分布式计算,可在多种硬件平台上运行。QuEST提供了丰富的功能,包括密度矩阵、通用幺正操作、退相干通道和厄米算符模拟等。该工具包易于使用,无需安装,兼容多种编译器,为量子计算研究提供了强大的模拟能力。
CodeQwen1.5-7B-GGUF - 丰富的量化模型选择,多平台优化性能
CodeQwen1.5-7BGithubHugging FaceHuggingface内存需求开源项目模型模型质量量化
通过llama.cpp工具实现多量化模型的生成,CodeQwen1.5系列提供不同文件大小和质量选项,适用于各种设备资源和性能需求。推荐选择高质量Q6_K和Q5_K_M格式,平衡性能与存储空间。该项目适合RAM和VRAM有限的用户,并支持多种格式在不同硬件平台上运行。新方法如I-quants提高性能输出,但与Vulcan不兼容,适用于Nvidia的cuBLAS和AMD的rocBLAS。丰富的特性矩阵便于深入比较选择。
gymnax - JAX驱动的高效强化学习环境集合
GithubJAXgymnax加速计算开源项目强化学习环境仿真
gymnax是基于JAX构建的强化学习环境库,充分利用JAX的即时编译和向量化功能,显著提升了传统gym API的性能。该库涵盖经典控制、bsuite和MinAtar等多种环境,支持精确控制环境参数。通过在加速器上并行处理环境和策略,gymnax实现了高效的强化学习实验,尤其适合大规模并行和元强化学习研究。
AutoAWQ - 面向大型语言模型的高效4位量化框架
AutoAWQGPU加速Github大语言模型开源项目推理量化
AutoAWQ是一个专门针对大型语言模型的4位量化框架,通过实现激活感知权重量化算法,可将模型速度提升3倍,同时减少3倍内存需求。该框架支持Mistral、LLaVa、Mixtral等多种模型,具备多GPU支持、CUDA和ROCm兼容性以及PEFT兼容训练等特性。AutoAWQ为提升大型语言模型的推理效率提供了有力工具。
max - 一套集成的AI库、工具和技术
AIGithubMAX工具链开源项目推理硬件可移植性
MAX平台是一套集成的AI库、工具和技术,统一了分散的AI部署工作流。通过提供单一开发工具链,MAX显著缩短了创新产品的上市时间,同时具备完全编程能力、卓越的性能和顺畅的硬件兼容性。文档、代码示例和Jupyter笔记本等资源可帮助用户快速起步,并提供社区支持和交流。
sbx - Jax加持的Stable-Baselines3强化学习库
GithubStable Baselines Jax开源项目强化学习机器学习算法实现
SBX是Stable-Baselines3的Jax实现版本,集成了SAC、TQC、PPO等多种先进强化学习算法。它与SB3保持相同API,可与RL Zoo无缝对接,并提供详细使用示例。SBX为复杂环境和任务提供高效、可靠的强化学习实现。
flashbax - JAX强化学习高效体验回放缓冲库
FlashbaxGithubJAX开源项目强化学习深度学习经验回放缓冲区
Flashbax是一个为JAX设计的高效体验回放缓冲库,适用于强化学习算法。它提供平坦缓冲、轨迹缓冲及其优先级变体等多种缓冲类型,特点是高效内存使用、易于集成到编译函数中,并支持优先级采样。Flashbax还具有Vault功能,可将大型缓冲区保存到磁盘。这个简单灵活的框架适用于学术研究、工业应用和个人项目中的体验回放处理。
DI-hpc - 高性能计算组件加速强化学习算法
CUDADI-HPCGithubPyTorch开源项目强化学习算法加速
DI-HPC是一款专为强化学习算法设计的高性能计算组件,主要用于加速GAE、n-step TD和LSTM等常见模块。该组件支持前向和反向传播,适用于训练、数据收集和测试环节。DI-HPC兼容CUDA环境和多个PyTorch版本,提供简便的安装方式和性能测试工具。通过提升计算效率,DI-HPC为强化学习研究和开发提供了有力支持。
DI-engine - 通用决策智能引擎
DI-engine是基于PyTorch和JAX的开源决策智能引擎。它采用Python优先和异步原生设计,提供任务和中间件抽象,整合环境、策略和模型等决策核心概念。支持DQN、PPO、SAC等多种深度强化学习算法,以及多智能体、模仿学习、离线强化学习等前沿方法。DI-engine致力于标准化决策智能环境和应用,可用于学术研究和原型开发。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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