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-FP8-KV - FP8量化策略提升模型计算效率

FP8GithubHuggingfaceMeta-Llama-3.1-8B-InstructQuark开源项目模型部署量化策略

项目利用Quark工具对模型的线性层进行FP8量化，实现更高效的部署和轻微的推理性能提升。使用Pile数据集进行校准，提高模型性能。支持单GPU和多GPU环境，便于在vLLM兼容后端进行高效部署，Perplexity指标略有提升。

ggml - C语言开发的机器学习张量库支持多种AI模型推理

GPU加速Githubggml开源项目推理机器学习量化

ggml是一个C语言编写的机器学习张量库，支持16位浮点和整数量化。该库提供自动微分、优化器和多架构优化，无第三方依赖。ggml可用于GPT、LLaMA、Whisper等多种AI模型的推理。它在CPU上表现高效，同时支持GPU加速，适用于多种设备和平台。

model_optimization - 开源神经网络模型压缩与优化工具集

GithubMCTModel Compression Toolkit开源项目模型压缩神经网络优化量化

Model Compression Toolkit (MCT)是一个专注于神经网络模型优化的开源项目,旨在满足高效硬件约束下的部署需求。MCT提供多种量化方法,包括训练后量化和基于梯度的训练后量化,同时支持数据生成和结构化剪枝等功能。此工具集还具备针对特定目标平台的优化能力,为研究人员和开发者提供了全面的模型压缩解决方案。

llama-2-7b-bnb-4bit - 提升Llama模型性能，实现速度翻倍与内存节省

GithubHuggingfaceLlamaUnsloth内存优化参数调优开源项目模型模型量化

项目通过4bit量化模型和Unsloth技术，优化Llama系列模型的性能。用户可在Google Colab上进行简单操作，免费获取如Gemma、Mistral、TinyLlama等模型，并实现性能提升和内存节省。以Llama 2为例，其推理速度可提高2.2倍，内存使用减少43%。项目适合初学者，支持导出为GGUF和vLLM格式，可上传至Hugging Face。

BitNetMCU - 低比特量化神经网络在微控制器上的高精度实现

BitNetMCUGithubMNIST数据集开源项目微控制器模型训练量化神经网络

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。

Llama-2-Open-Source-LLM-CPU-Inference - 在CPU上运行量化开源LLM的实用指南

C TransformersCPU推理GGMLGithubLangChainLlama-2开源项目

详细介绍如何在本地CPU上使用Llama 2、C Transformers、GGML和LangChain运行量化开源LLM进行文档问答的指南。内容涵盖工具配置、模型下载和依赖管理，帮助团队实现自我管理或私有部署，满足数据隐私和合规要求，并节省GPU实例的高额费用。

tvm - 适用于 CPU、GPU 和专用加速器的开放式深度学习编译器堆栈

Apache TVMApache-2.0Github开源项目深度学习硬件后端编译器

Apache TVM为深度学习提供高效编译支持，优化执行效率，适合用于学术与工业研究领域，填补了框架与后端之间的技术差距。

mcunet - 面向微控制器的深度学习框架

GithubMCUNetTinyEngine开源项目微控制器深度学习物联网设备

MCUNet是面向微控制器的系统-算法协同设计框架，包含TinyNAS和TinyEngine两大核心组件。该框架在严格内存限制下提升深度学习性能，相比现有方案推理速度提高1.5-3倍，内存占用降低2.7-4.8倍。MCUNet为IoT应用提供高效深度学习基础设施，推动边缘AI发展。

Meta-Llama-3.1-8B-Instruct-quantized.w8a8 - 量化优化的多语言文本生成模型

GithubHuggingfaceMeta-Llama-3vLLM多语言开源项目文本生成模型量化

该模型通过INT8量化优化，实现了GPU内存效率和计算吞吐量的提升，支持多语言文本生成，适用于商业和研究中的辅助聊天任务。在多个基准测试中，该模型实现了超越未量化模型的恢复率，尤其在OpenLLM和HumanEval测试中表现突出。使用GPTQ算法进行量化，有效降低了内存和磁盘的占用。可通过vLLM后端快速部署，并支持OpenAI兼容服务。

llama2.rs - Rust开发的高效Llama2 CPU推理库

CPU推理GithubLlama2RustSIMD开源项目量化

llama2.rs是一个用Rust开发的Llama2 CPU推理库，专注于提供高性能的推理能力。项目支持4位GPT-Q量化、批量预填充提示标记、SIMD加速和内存映射等技术，实现了70B模型的即时加载。通过Python API，开发者可在普通台式机上运行70B Llama2模型（1 token/s）和7B模型（9 tokens/s）。该项目为大规模语言模型的CPU推理提供了高效且灵活的开源解决方案。

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

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。

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