SqueezeLLM

硬件资源优化下的大语言模型量化服务

SqueezeLLM 量化大语言模型内存优化模型压缩 Github 开源项目

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。

访问官网

Github

Huggingface

介绍相关项目

mllm - 轻量级移动设备多模态大语言模型推理引擎

AI推理引擎Githubmultimodal LLM开源项目移动设备边缘计算量化

mllm是一款针对移动和边缘设备优化的多模态大语言模型推理引擎。该引擎采用纯C/C++实现，无外部依赖，支持ARM NEON和x86 AVX2指令集，并提供4位和6位整数量化。开发者可利用mllm构建智能个人助理、基于文本的图像搜索、屏幕视觉问答等移动应用，实现本地推理而无需上传敏感数据。

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。

Replete-Coder-Llama3-8B-GGUF - 基于llama.cpp优化的高效量化方法提升文本生成性能

GithubHuggingfaceReplete-Coder-Llama3-8B开源项目数据集文本生成模型模型压缩量化

该开源项目利用llama.cpp进行模型量化，适用于HumanEval和AI2推理挑战等任务，提供多种量化选项如Q8_0和Q6_K，适应不同内存要求，同时优化性能表现。I-quant量化在低于Q4时表现良好，用户可依据自己的设备内存和GPU VRAM选择合适的量化格式，通过huggingface-cli便捷获取所需文件。

Efficient-LLMs-Survey - 大语言模型效率优化技术综述

Github大语言模型开源项目模型压缩量化高效推理高效训练

本项目系统性地综述了大语言模型效率优化研究，包括模型压缩、高效预训练、微调和推理等方面。从模型、数据和框架三个维度对相关技术进行分类，全面梳理了该领域的最新进展，为研究人员和从业者提供了有价值的参考资料。

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。

Llama-3.2-1B-Instruct-GGUF - Llama 3.2模型的多精度量化版本

GithubHuggingfaceLlama人工智能开源开源项目模型语言模型量化

Llama-3.2-1B-Instruct-GGUF是Llama 3.2模型的量化版本,使用llama.cpp和imatrix方法进行处理。该项目提供从f16到Q3_K_XL多种精度选项,文件大小在0.80GB至2.48GB之间。这些模型支持多语言处理,适合在资源受限的设备上运行,用户可根据需求选择合适版本以平衡性能和资源占用。

qwen2.5-7b-ins-v3-GGUF - 量化优化AI模型的多样化选择指南

GithubHuggingfaceQwen2.5-7b-ins-v3quantization参数嵌入权重开源项目模型

该项目利用llama.cpp的b3901版本和imatrix选项对AI模型进行量化优化，支持各种硬件的量化格式下载。在LM Studio中运行这些模型，可通过缩小文件大小实现更高效的部署。K-quant格式在低资源环境中表现突出，而I-quants则在某些情况下显示出其新方法的优越性能，尤其建议ARM芯片用户选择Q4_0_X_X以获取更快速的响应。

Replete-LLM-V2.5-Qwen-32b-GGUF - 量化模型文件下载指南，通过选择适合的文件优化性能

GithubHuggingfaceReplete-LLM-V2.5-Qwen-32b嵌入输出权重开源项目文本生成模型视觉处理量化

该项目使用llama.cpp工具进行模型量化，提供多种Replete-LLM-V2.5-Qwen-32b模型文件下载选项。每种文件类型均说明其特性，如高质量和性能等，并适应不同硬件环境，以帮助用户根据需求优化模型质量或速度。文件适用于多种RAM和VRAM配置，便于在不同系统中实现优异性能。

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。

mlc-llm - 通用大语言模型高性能部署引擎

AI模型优化GithubMLC LLMMLCEngine开源项目机器学习编译器高性能部署

MLC LLM是一款用于大语言模型的高性能部署引擎，支持用户在各种平台上开发、优化和部署AI模型。核心组件MLCEngine通过REST服务器、Python、JavaScript、iOS和Android等接口提供OpenAI兼容的API，支持AMD、NVIDIA、Apple和Intel等多种硬件平台。项目持续优化编译器和引擎，与社区共同发展。

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