Logo
Project Icon

brevitas

面向神经网络量化的PyTorch库

Brevitas神经网络量化PyTorch量化感知训练训练后量化Github开源项目

Brevitas是一个开源的神经网络量化PyTorch库，支持PTQ和QAT。它为常见PyTorch层提供量化版本，如QuantConv和QuantLSTM等，允许精细调整量化参数。兼容Python 3.8+和PyTorch 1.9.1-2.1，跨平台支持，推荐GPU加速。作为研究项目，Brevitas在深度学习模型压缩和效率优化方面具有重要应用价值。

访问官网访问官网GithubGithub文档文档论文论文
介绍相关项目
Mythalion-13B-AWQ - 利用高效的低比特量化提升Transformer推理速度
GithubHuggingfaceMythalion 13B伪人AI开源项目文本生成模型模型整合量化
该项目提供高效的AWQ模型文件，支持4比特量化在多用户环境中实现快速Transformer推理。虽然未量化模型的整体吞吐量更高，但通过使用更小的GPU，AWQ模型显著降低了部署成本，例如仅需1台48GB GPU即可运行70B模型。该模型适合需要高吞吐量并行推理的场景，用户可借助vLLM或AutoAWQ轻松调用以降低成本并简化部署。
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。
Awesome-Quantization-Papers - 深度学习模型量化研究论文综合列表
GithubTransformer低比特量化开源项目模型量化深度学习神经网络
Awesome-Quantization-Papers是一个全面的深度学习模型量化研究论文列表,涵盖AI会议、期刊和arXiv上的最新成果。项目根据模型结构和应用场景进行分类,重点关注Transformer和CNN在视觉、语言处理等领域的量化方法。通过定期更新,为研究人员提供模型量化领域的最新进展。
OmniQuant - 简便高效的大型语言模型量化技术
GithubLLaMAOmniQuant大语言模型开源项目量化高效QAT
OmniQuant是一种高效的量化技术，支持多种大型语言模型（LLM）的权重和激活量化，包括LLaMa和OPT等。其实现了4位及更低精度的权重量化，并通过MLC-LLM优化在多种硬件设备上的推理性能和内存占用。此外，项目还支持Mixtral和Falcon模型的压缩应用，大幅降低内存需求，提高运行效率。
Qwen2.5-7B-bnb-4bit - 采用4bit量化技术加速Qwen2.5-7B模型并降低70%内存占用
GithubHuggingfaceQwen2.5Unsloth大语言模型开源项目模型模型微调深度学习
基于Qwen2.5-7B的量化优化版本，通过4bit量化技术将内存占用降低70%。模型拥有76亿参数，具备128K上下文长度和29种语言处理能力，支持编码、数学运算和长文本生成等功能。该版本在保持原有性能的同时实现轻量化部署，可用于后续的模型微调与定制开发。
fasterai - 开源工具库助力神经网络缩小与加速
FasteraiGithub剪枝开源项目模型压缩神经网络稀疏化
fasterai是一个致力于优化神经网络规模和速度的开源库。该库提供稀疏化、剪枝、知识蒸馏和彩票假设等多种网络压缩技术。其核心特性为高度可定制的稀疏化功能，允许用户调整粒度、上下文、标准和调度。此外，fasterai还包含正则化和知识蒸馏功能，有助于提升模型性能和效率。该库与fastai兼容，可轻松集成到现有深度学习工作流程中。
Phi-3.1-mini-128k-instruct-GGUF - 量化指导优化内存资源使用
GithubHuggingfacePhi-3-mini-128k-instruct下载文件开源项目模型模型选择量化高质量
项目利用llama.cpp和imatrix技术对模型进行量化，提供适合不同内存需求的文件。用户可通过huggingface-cli根据硬件选择量化格式，实现速度与质量平衡。同时，项目提供特性图表以指引用户选择‘I-quant’或‘K-quant’方法，满足不同硬件环境性能要求。
pennylane - 跨平台量子计算与机器学习Python库
GithubPennyLane开源项目自动微分量子化学量子机器学习量子计算
PennyLane是一个跨平台的Python库，专注于量子计算、量子机器学习和量子化学。集成了PyTorch、TensorFlow、JAX和NumPy等流行框架，支持量子硬件上的机器学习。支持即时代码编译和多种量子后端，提供自动微分功能，并包括量子模拟器和优化工具，便于快速原型设计。
bayesian-torch - 贝叶斯神经网络层和不确定性估计的PyTorch扩展库
Bayesian-TorchGithubPyTorch不确定性估计变分推断开源项目深度学习
Bayesian-Torch是PyTorch的扩展库，用于在深度学习模型中实现贝叶斯推理和不确定性估计。它提供贝叶斯层，支持将确定性神经网络转换为贝叶斯形式。库包含变分推理、MOPED、量化和AvUC损失等功能，适用于不确定性感知应用。研究人员和开发者可利用Bayesian-Torch构建更可靠、可解释的AI模型。
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。
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