Logo
Project Icon

InferLLM

轻量化语言模型推理框架，兼容多种模型格式和设备

InferLLMllama.cpp模型推理高效率多模型兼容Github开源项目

InferLLM 是一个高效简洁的语言模型推理框架，源于 llama.cpp 项目。主要特点包括结构简单、高性能、易于上手，并支持多模型格式。目前兼容 CPU 和 GPU，可优化 Arm、x86、CUDA 和 riscv-vector，并支持移动设备部署。InferLLM 引入了专有 KVstorage 类型以简化缓存和管理，适合多种应用场景。最新支持的模型包括 LLama-2-7B、ChatGLM、Alpaca 等。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
llama-160m-accelerator - 基于多阶段MLP的LLaMA-160M模型推理加速器
DockerGithubHuggingfacevLLM开源项目文本生成模型模型加速深度学习
这是一个为JackFram/llama-160m模型设计的加速器项目，借鉴了Medusa推测解码架构的思想。该加速器通过改造MLP为多阶段结构，实现了基于状态向量和先前采样令牌的单token预测，有效提升了模型推理速度。项目支持与vLLM和Hugging Face TGI等工具集成，为大型语言模型的高效部署提供了实用解决方案。加速器的训练过程轻量化，能够在短时间内完成，适用于各种规模的生成式模型。
llama-68m - LLaMA类轻量级语言模型助力高效推理
GithubHuggingfaceLLaMA开源项目推理加速文本生成模型模型训练自然语言处理
llama-68m是一个参数仅为6800万的LLaMA类模型，通过Wikipedia和部分C4数据集训练而成。作为SpecInfer论文中的小型推测模型基础，它旨在通过推测性推理和标记树验证技术加速大语言模型服务。尽管参数量小，但设计目标是提高推理效率。由于尚未进行全面评估，建议谨慎使用。
SqueezeLLM - 硬件资源优化下的大语言模型量化服务
GithubSqueezeLLM内存优化大语言模型开源项目模型压缩量化
SqueezeLLM通过密集与稀疏量化方法降低大语言模型的内存占用并提升性能，将权重矩阵拆分为易量化的密集组件和保留关键部分的稀疏组件，实现更小内存占用、相同延迟和更高精度。支持包括LLaMA、Vicuna和XGen在内的多个热门模型，提供3位和4位量化选项，适用于不同稀疏度水平。最新更新涵盖Mistral模型支持和自定义模型量化代码发布。
LLaMA-Factory - 提升语言模型微调效率的统一平台
GithubLLaMA Factory大语言模型开源项目快速微调性能优化模型量化热门
LLaMA-Factory是一个高效的语言模型微调工具，支持多种模型和算法。该平台专注于提高微调速度，支持连续预训练、监督微调和激励建模等策略。LLaMA-Factory利用LoRA技术实现高效训练，并提供详尽的数据监控和快速推理能力。此外，新版本还增加了PiSSA算法，且支持多种开发平台如Colab和DSW，适合高质量文本生成和智能应用开发。
llama.onnx - LLaMa和RWKV模型的ONNX实现及独立演示，支持多设备部署
GithubLLaMaRWKVonnx模型开源项目推理量化
此项目提供LLaMa-7B和RWKV-400M的ONNX模型与独立演示，无需torch或transformers，适用于2GB内存设备。项目包括内存池支持、温度与topk logits调整，并提供导出混合精度和TVM转换的详细步骤，适用于嵌入式设备和分布式系统的大语言模型部署和推理。
chatllm.cpp - 跨多模型的高效纯C++实时推理工具
CPU推理ChatLLM.cppGPT模型Githubggml开源项目量化模型
ChatLLM.cpp项目支持从1B到300B多种模型的高效推理，适用于本地电脑的实时聊天。通过优化的KV缓存和并行计算提升内存使用效率，并提供int4/int8量化以减少内存占用。该项目基于ggml库实现，支持Retrieval Augmented Generation、LoRA以及Python和JavaScript绑定等功能。发布了多种最新模型和工具调用，适合深度学习和自监督学习研究者。
PowerInfer - 消费级GPU上大型语言模型高效推理引擎
GPU加速GithubPowerInfer大语言模型局部性设计开源项目混合CPU/GPU使用
PowerInfer是一款在个人电脑上针对消费级GPU设计的高效大型语言模型(LLM)推理引擎。它结合激活局部性原理和CPU/GPU混合技术，通过优化热/冷激活神经元的处理方式，显著提高推理速度并降低资源消耗。软件还融入了适应性预测器和神经元感知技术，优化了推理效率和精度，支持快速、低延迟的本地模型部署。
TinyLlama-1.1B-Chat-v1.0-GGUF - TinyLlama 轻量级语言模型的量化优化版
GGUFGithubHuggingfaceTinyLlamallama.cpp大语言模型开源项目模型量化
TinyLlama-1.1B-Chat-v1.0-GGUF是经量化处理的轻量级语言模型,提供多种量化方法和文件大小。支持CPU和GPU推理,兼容多种客户端和库。适用于资源受限环境,在保持性能的同时显著缩小模型体积。用户可根据需求选择量化版本,平衡模型大小和质量。
Llama-3.2-1B - Meta推出多语言大规模语言模型 支持多种商业和研究场景
GithubHuggingfaceLlama 3.2人工智能多语言大语言模型开源项目模型自然语言处理
Llama-3.2-1B是Meta开发的多语言大规模语言模型,支持8种语言。采用优化的Transformer架构,经9T token训练,具128K上下文长度。适用于对话、检索、摘要等任务,性能优于多数开源和闭源模型。支持商业和研究用途,可开发AI助手、写作工具等。提供原始和量化版本,适应不同计算资源需求。该模型在多语言处理和应用灵活性方面表现出色。
NanoLLM - 本地LLM推理优化工具包
GithubJetsonLLM优化NanoLLM多模态AI开源项目本地推理
NanoLLM是一个开源工具包，专注于优化大型语言模型(LLM)的本地推理性能。它提供了类HuggingFace的API接口，支持模型量化、视觉语言模型、多模态代理、语音处理、向量数据库和检索增强生成(RAG)等功能。这个项目致力于简化LLM的部署和应用，特别适合需要高效本地推理的场景。NanoLLM目前的最新版本是24.7，可通过Docker容器方便部署。有兴趣的开发者可以访问项目的官方文档获取更多详细信息和使用指南。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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

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