mixture-of-experts

PyTorch实现的稀疏门控专家混合层

PyTorch 神经网络机器学习专家混合深度学习 Github 开源项目

mixture-of-experts项目提供PyTorch版本的稀疏门控专家混合层实现，基于'Outrageously Large Neural Networks'论文。该实现支持自定义专家数量和输入输出维度，并提供训练和评估示例。项目包含CIFAR-10数据集应用实例，展示实际性能。作为深度学习工具，它有助于构建大规模高效的神经网络模型。

访问官网

Github

介绍相关项目

mixture-of-experts - 稀疏门控专家混合模型的Pytorch实现

GithubPytorchSparsely Gated Mixture of Experts参数开源项目计算语言模型

基于Pytorch实现的稀疏门控专家混合模型，可以在保持计算量不变的情况下大幅增加语言模型的参数量。项目参考了TensorFlow的实现，并进行了增强。还包含ST Mixture of Experts的使用指南，安装和使用示例，以及自定义专家网络的支持。

soft-moe-pytorch - PyTorch 实现的软专家混合模型框架

GithubPytorchSoft MoE专家混合开源项目深度学习神经网络

soft-moe-pytorch 项目实现了基于 PyTorch 的软专家混合 (Soft MoE) 模型。该模型支持非自回归编码器，可用于文本到图像等任务。项目特点包括灵活设置专家数量、动态分配插槽，以及与 Transformer 架构兼容。这一工具为深度学习研究和开发提供了高效、可扩展的 MoE 模型实现，有助于提升模型性能。

DiT-MoE - 16亿参数规模的稀疏化扩散Transformer模型

DiT-MoEGithub图像生成开源项目扩散模型深度学习混合专家

DiT-MoE项目采用混合专家模型，将扩散Transformer扩展至16亿参数规模。作为扩散Transformer的稀疏版本，DiT-MoE在保持与密集网络相当性能的同时，实现了高效的推理。项目提供PyTorch实现、预训练权重和训练/采样代码，并包含专家路由分析和Hugging Face检查点。通过混合专家方法，DiT-MoE在模型扩展和推理优化方面展现出显著优势。

llama-moe - 专家混合模型，支持持续预训练

GithubLLaMALLaMA-MoEMoESheared LLaMASlimPajama开源项目

LLaMA-MoE是基于LLaMA和SlimPajama的开源专家混合模型。通过将LLaMA的FFN划分为稀疏专家并加入top-K门控，模型在优化的数据采样权重下进行持续预训练。特点包括轻量化、多种专家构建方法、多种门控策略和快速预训练，适合部署和研究。提供详细的安装指南和技术文档，帮助用户快速使用并评估模型性能。

makeMoE - 从零构建的稀疏混合专家语言模型的makemore项目

DatabricksGithubmakeMoEpytorch开源项目稀疏专家混合语言模型

makeMoE是一个基于Andrej Karpathy的makemore项目, 从零构建的稀疏混合专家语言模型。它借鉴了makemore的部分组件，例如数据预处理和生成莎士比亚风格文本。在架构上，makeMoE引入了稀疏专家混合、Top-k门控和噪声Top-k门控等改进。项目在Databricks上使用单一A100 GPU开发，支持大规模GPU集群扩展，并通过MLFlow进行指标跟踪。项目强调代码的可读性和修改性，适合深入学习和改进。

mixtral-7b-8expert - 高性能开源混合专家语言模型，支持多语言并具有出色的基准分数

GithubHuggingfaceMixtral人工智能模型开源项目机器学习模型混合专家模型自然语言处理

Mixtral-7b-8expert是MistralAI开发的混合专家(MoE)模型在Hugging Face平台的实现。这个开源项目在MMLU、hella swag等多项基准测试中表现出色，支持英、法、意、西、德五种语言。模型提供简便的推理设置，基于Apache-2.0许可发布，适合自然语言处理研究和应用开发。

tutel - Tutel：现代动态训练和推理的优化混合专家实现

CUDAGithubMoEPytorchROCmTutel开源项目

Tutel MoE是一种优化的专家混合实现，支持Pytorch、CUDA、ROCm和CPU等多种框架和硬件。它加速了动态训练和推理，并提供了多项功能更新，例如tensorcore选项、自定义专家扩展和NCCL超时设置。Tutel支持灵活配置和转换工具，适用于多节点和多GPU分布式模式。用户可以轻松集成和测试Tutel，并通过详尽的示例和文档获得技术支持。

mixtral-offloading - Mixtral-8x7B模型高效推理的实现方法

CPUGPUGithubHQQMixtral-8x7BMoE开源项目

该项目实现了Mixtral-8x7B模型的高效推理，使用混合量化和MoE卸载策略。通过HQQ量化方案分别处理注意力层和专家层，使模型适应GPU和CPU内存。每层的专家单独卸载并在需要时重新加载到GPU，活跃专家存储在LRU缓存中以减少GPU-RAM通信。更多技术细节和结果请参阅技术报告。

OLMoE-1B-7B-0924 - 开源混合专家模型，具备高性价比和竞争力

GithubHuggingfaceMixture-of-ExpertsOLMoEallenai大语言模型开源开源项目模型

OLMoE-1B-7B-0924是一个混合专家语言模型，具备1B个活跃和7B总参数，以其高性能和成本效益在同类模型中表现出色，并可竞争于更大规模的模型如Llama2-13B。该项目完全开源，提供了详细的预训练、监督微调及偏好优化的检查点和相关资源，适合自然语言处理领域的研究和开发。

Mixture-of-depths - Transformer语言模型的动态计算资源分配方法

GithubMixture-of-Depths开源项目模型实现深度学习语言模型

Mixture-of-depths是一种Transformer语言模型优化方法，通过动态分配计算资源提高性能。该项目提供Mistral、Mixtral、LLama等多个主流模型的非官方实现。项目支持高级API接口，兼容transformers库，便于研究应用。这种方法旨在提升模型推理效率和灵活性，同时保持输出质量。

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