T-MAC

优化低比特量化LLM推理的CPU加速框架

T-MAC 低比特量化 CPU加速 LLM推理矩阵乘法 Github 开源项目

T-MAC是一个创新的内核库，采用查找表技术实现混合精度矩阵乘法，无需反量化即可加速CPU上的低比特LLM推理。该框架支持多种低比特模型，包括GPTQ/gguf的W4A16、BitDistiller/EfficientQAT的W2A16和BitNet的W1(.58)A8。T-MAC在多种设备上展现出显著性能提升，例如在Surface Laptop 7上，单核处理速度可达20 tokens/s，四核可达48 tokens/s，比llama.cpp快4~5倍。

访问官网

Github

Huggingface

介绍相关项目

Meta-Llama-3.1-8B-Instruct - 创新技术实现大型语言模型微调的高效优化

GithubHuggingfaceLlama 3.1Unsloth内存优化开源项目性能提升模型模型微调

该项目开发了一种高效方法，大幅提升Llama 3.1、Gemma 2和Mistral等大型语言模型的微调效率。通过提供多个免费的Google Colab笔记本，项目使各类用户都能便捷地微调Llama-3 8B、Gemma 7B和Mistral 7B等模型。这些笔记本界面友好，适合各层次用户使用。采用此方法可将微调速度提升2-5倍，同时将内存使用降低最多70%，显著优化了资源利用。

llama.cpp - C/C++ 实现的 LLaMA 模型推理，支持多种硬件和系统

C/C++Githubllama.cpp多模态模型开源项目模型推理热门量化优化

llama.cpp 提供了基于 C/C++ 的纯粹实现，支持包括 LLaMA 在内的多个模型的推理。专为多种硬件和操作系统优化，包括使用 ARM NEON、AVX 指令集和 Metal 框架的设备。此外，项目支持使用 NVIDIA GPU 的自定义 CUDA 核心，以及通过 HIP 支持 AMD GPU，为开发者在本地或云环境中实现高效、低延迟的大规模语言模型推理提供了强大的灵活性和可扩展性。

airllm - 在单个4GB GPU上运行70B大模型，无需量化和蒸馏

AirLLMGithubLlama3.1大语言模型开源项目推理优化模型压缩

AirLLM优化了推理内存使用，使70B大模型能在单个4GB GPU上运行，无需量化、蒸馏或剪枝。同时，8GB显存可运行405B的Llama3.1。支持多种模型压缩方式，推理速度可提升至3倍。兼容多种大模型，提供详细配置和案例，支持在MacOS上运行。

slowllama - 在Apple和nVidia设备上微调Llama2和CodeLLama模型

CodeLLamaGPUGithubLlama2M1/M2设备slowllama开源项目

slowllama是一个专注于微调Llama2和CodeLLama模型的开源项目，支持70B/35B模型版本，并可在Apple M1/M2设备（如Macbook Air、Mac Mini）或消费级nVidia GPU上运行。通过将模型部分数据转储到SSD或主内存，该项目避免使用量化技巧，优化正向和反向传递性能。采用LoRA方法限制参数更新，操作步骤详尽，包括依赖安装、模型下载和配置脚本，是在资源有限环境下进行大模型微调的理想选择。

xTuring - 开源LLM微调平台

GithubINT4LLMLLaMALoRAxTuring开源项目

xTuring是一款高效、简单的开源LLM微调平台，支持Mistral、LLaMA、GPT-J等多种模型。用户可通过直观界面在本地或私有云中微调模型，保障数据隐私。平台支持数据预处理、多GPU扩展、以及INT4和LoRA等内存高效的微调方法，并提供多种模型评估工具。最新功能涵盖LLaMA 2集成、CPU推理优化和批量处理。

Meta-Llama-3.1-8B-Instruct-AWQ-INT4 - 高性能4比特量化优化版本

AutoAWQGithubHuggingfaceMeta-Llama-3.1大语言模型开源项目推理模型量化

Meta-Llama-3.1-8B-Instruct模型的社区驱动4比特量化版本,采用AutoAWQ技术从FP16量化到INT4。该版本仅需4GB显存即可加载,大幅降低内存占用。支持Transformers、AutoAWQ、TGI和vLLM等多种推理方式,适用于不同部署场景。量化模型在保持原始性能的同时,为资源受限环境提供了高效的大语言模型方案。

Llama-3-8B-Instruct-GPTQ-4-Bit - 利用GPTQ量化优化模型性能的新方法

Apache AirflowGPTQGithubHuggingfaceMeta-Llama-3-8B-Instruct开源项目数据协调模型量化

Astronomer的4比特量化模型通过GPTQ技术减少VRAM占用至不足6GB，比原始模型节省近10GB。此优化提高了延迟和吞吐量，即便在较便宜的Nvidia T4、K80或RTX 4070 GPU上也能实现高效性能。量化过程基于AutoGPTQ，并按照最佳实践进行，使用wikitext数据集以减小精度损失。此外，针对vLLM和oobabooga平台提供详细配置指南，以有效解决加载问题。

TinyLlama-1.1B-Chat-v0.3-AWQ - 高效量化方法助力多用户场景下的快速推理

GithubHuggingfaceTinyLlama低比特量化多用户服务器开源项目推理效率模型

该项目采用AWQ低位量化方法，提高了多用户服务器场景下的Transformers推理速度和效率。相比GPTQ，AWQ在减少部署成本的同时，能够使用更小的GPU进行推理。TinyLlama模型支持4-bit量化，并兼容vLLM与Huggingface TGI插件，高效应对高并发需求。在Zhang Peiyuan的开发下，该模型适合计算和内存资源有限的开源项目部署。

laser-dolphin-mixtral-2x7b-dpo-GGUF - 跨平台兼容的量化模型：GGUF格式的应用与性能评估

GithubHuggingfaceLLMLaser Dolphin Mixtral 2X7B DPOMacadeliccc变压器开源项目模型量化

GGUF格式开创了一种新的模型优化方法，适用于多平台的机器学习应用，带来更优的性能与存储管理。该项目兼容多个用户界面，如llama.cpp和KoboldCpp，并支持多种量化文件格式，推荐选用Q4_K_M和Q5_K_M以实现性能与资源消耗的最佳平衡。

Meta-Llama-3.1-70B-Instruct-quantized.w8a8 - 经INT8量化优化的Llama-3指令模型实现内存节省和性能提升

AI助手GithubHuggingfaceMeta-Llama-3.1vLLM开源项目模型模型量化语言模型评估

Meta-Llama-3.1-70B-Instruct模型通过INT8量化优化后，GPU内存占用减少50%，计算性能提升两倍。模型保持多语言处理能力，在Arena-Hard、OpenLLM、HumanEval等基准测试中性能恢复率达98%以上。支持vLLM后端部署及OpenAI兼容API。

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