Project Icon

BitNetMCU

低比特量化神经网络在微控制器上的高精度实现

BitNetMCU项目致力于在低端微控制器上实现高精度的低比特量化神经网络。通过优化训练和推理过程,该项目在仅2KB RAM和16KB Flash的CH32V003等微控制器上,实现了16x16 MNIST数据集超过99%的测试准确率,无需使用乘法指令。项目提供基于PyTorch的训练流程和ANSI-C实现的推理引擎,便于在不同微控制器上应用。

nn-Meter - 准确预测深度神经网络边缘设备推理延迟的系统
Githubnn-Meter延迟预测开源项目深度学习神经网络边缘计算
nn-Meter是一个用于预测深度神经网络模型在边缘设备上推理延迟的系统。其核心是将模型推理分解为内核级别进行预测。系统在26000个模型的数据集上评估了4个主流平台,在移动CPU、GPU和VPU上达到较高预测精度。无需部署即可预测延迟,可用于硬件感知的神经架构搜索,并支持构建自定义设备的延迟预测器。
bitnet_b1_58-large - BitNet b1.58复现项目展示1比特量化语言模型的效能
1比特量化BitNetGithubHuggingface开源项目模型模型评估语言模型
本项目复现了BitNet b1.58的1比特量化语言模型,采用RedPajama数据集进行了1000亿token的训练。通过实施论文中提出的训练策略,项目成功重现了700M、1.3B和3B规模模型的性能。评估结果显示,在困惑度(PPL)和多项零样本任务中,复现模型与原论文报告的数据高度一致,证实了该方法在模型压缩和维持性能方面的有效性。项目还提供了详细的评估流程和命令,方便研究者进行复现和进一步探索。通过比较不同规模模型在各项任务上的表现,该研究为大规模语言模型的高效压缩和部署提供了valuable的实践参考。
sparseml - 神经网络优化工具,简化代码实现高效稀疏模型
GithubSparseML开源项目推理优化模型优化神经网络稀疏化
SparseML是开源模型压缩工具包,使用剪枝、量化和蒸馏算法优化推理稀疏模型。可导出到ONNX,并与DeepSparse结合,在CPU上实现GPU级性能。适用于稀疏迁移学习和从零开始的稀疏化,兼容主流NLP和CV模型,如BERT、YOLOv5和ResNet-50,实现推理速度和模型大小的显著优化。
nntrainer - 设备端神经网络训练与个性化框架
GithubNNtrainer个性化嵌入式设备开源项目机器学习神经网络
NNtrainer是专为资源受限的嵌入式设备设计的开源神经网络训练框架。支持k-NN、神经网络和逻辑回归等多种机器学习算法,提供少样本学习、ResNet和VGG等任务示例。通过设备端微调实现模型个性化,高效利用有限资源。NNtrainer独特之处在于支持设备端完整训练流程,而非仅限于推理。这使得它在保护用户数据隐私的同时,能够实现个性化模型优化。框架已在Samsung Galaxy智能手机和Ubuntu PC上验证可用。
molmo-7B-D-bnb-4bit - 量化技术优化,模型尺寸有效缩减
GithubHuggingfacetransformers基准测试开源项目机器学习模型模型深度学习量化
采用4bit量化技术的Molmo-7B-D模型,从30GB压缩至7GB,运行需求缩减至约12GB VRAM。项目致力于在保持低资源消耗的基础上提升模型性能。进一步的信息及示例代码可在GitHub和Hugging Face上获取,性能指标及基准测试结果预定于下周发布。
NVLM-D-72B-nf4 - 多模态模型NF4量化与性能优化研究
GPU内存GithubHuggingfaceNVLM-D-72B图像文本生成开源项目模型模型转换量化
NVLM-D-72B模型NF4量化转换项目利用BitsAndBytes技术实现双重量化,旨在优化性能。目前纯文本处理表现出色,但图像处理功能仍需完善。项目优化了modeling_intern_vit.py文件,提高了量化模块兼容性。模型运行需48GB以上显存,遵循CC BY-NC 4.0许可。该项目为探索大型多模态模型量化提供了宝贵经验。
emlearn - 微控制器与嵌入式系统的便携机器学习工具
GithubMicroPythonScikit-learnemlearn嵌入式系统开源项目机器学习
emlearn是一款为微控制器和嵌入式系统设计的便携高效的机器学习工具。通过Python训练模型后,可生成C99代码用于设备推断。支持包括AVR Atmega、ESP8266、ARM Cortex M等多个平台,无需动态分配或libc依赖,可直接与Python整合,通过scikit-learn或Keras训练并生成可嵌入C语言代码。
tt-metal - Python与C++神经网络运算库
GithubGrayskull模组TT-MetaliumTT-NNWormhole模组开源项目神经网络
TT-NN 提供灵活的神经网络运算功能,支持包括ResNet-50和BERT-Large在内的多种模型,能够实现高效的端到端和设备间的数据吞吐量。其兼容N150和N300卡的Wormhole模型,及适用于TT-QuietBox和TT-LoudBox的高性能模型,能满足不同硬件需求。结合TT-Metalium低级编程模型,提供丰富的开发指导和API参考,有助于在Tenstorrent硬件上高效地进行神经网络训练和推理。
bittensor - 基于区块链的分布式机器学习网络
BittensorGithub区块链去中心化开源项目机器学习神经网络
Bittensor是一个创新的分布式机器学习网络,通过区块链代币机制激励计算机提供高效的AI模型服务。该网络开放参与、无中心控制,任何人都可以贡献并获益。Bittensor正在重塑AI模型的开发、访问和价值分配模式,为去中心化AI生态系统提供基础设施。
bolt - 增强深度学习模型部署的高效轻量级库
BoltGithub华为开源项目推理精度模型转换深度学习
Bolt是一款轻量级深度学习库,旨在提升模型部署效率。它支持Caffe、ONNX、TFLite和Tensorflow的模型转换,提供从FP32到1-BIT的多种推理精度,并适用于ARM和X86 CPU以及多种GPU。该库在华为多个部门广泛应用,具备高性能、丰富的图优化和高效的线程亲和性设置,提升时序数据处理效率。
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