Logo
Project Icon

neural-compressor

开源深度学习模型压缩工具库

模型压缩量化深度学习框架Intel Neural Compressor大语言模型Github开源项目

Neural Compressor是一款开源深度学习模型压缩工具库，支持TensorFlow、PyTorch和ONNX Runtime等主流框架。它提供量化、剪枝、知识蒸馏等多种压缩技术，适用于Intel等多种硬件平台。该工具支持大语言模型优化，并与主流云服务和AI生态系统集成。其自动化的精度感知量化策略有助于平衡模型性能和精度。

GithubGithubHuggingfaceHuggingface文档文档论文论文
介绍相关项目
Knowledge-Distillation-Toolkit - 开源知识蒸馏工具包助力机器学习模型压缩
GithubPyTorch学生模型开源项目教师模型模型压缩知识蒸馏
Knowledge-Distillation-Toolkit是一个基于PyTorch和PyTorch Lightning的开源工具包，用于简化机器学习模型压缩过程。通过知识蒸馏技术，用户只需提供教师模型、学生模型、数据加载器和推理管道即可实现模型压缩。该工具包支持多种优化方法和学习率调度器，并提供详细的使用说明和示例代码，方便研究人员和开发者进行模型压缩实验。
model-optimization - TensorFlow 模型优化工具包, 支持量化和稀疏化
GithubKerasTensorFlow Model Optimization Toolkit剪枝开源项目机器学习模型量化
TensorFlow Model Optimization Toolkit 提供稳定的 Python API，帮助用户通过量化和稀疏化技术优化机器学习模型，包括针对 Keras 的专用 API。该工具包还提供详细的安装指南、教程和 API 文档，显著提升模型在部署和执行时的性能。该项目由 TensorFlow 团队维护，并遵循其行为准则，开发者可以通过 GitHub 提交问题和贡献代码。
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。
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。
AQLM - 加性量化技术实现大型语言模型高效压缩
AQLMGithubPyTorch大语言模型开源项目推理量化
AQLM项目开发了一种名为加性量化的新技术，可将大型语言模型压缩至原规模的1/16左右，同时基本保持原始性能。该技术适用于LLaMA、Mistral和Mixtral等多种模型架构，并提供了预量化模型。项目包含PyTorch实现代码、使用教程和推理优化方案，为大规模语言模型的实际应用提供了新思路。
BitNet - 高效压缩大型语言模型的1比特变压器实现
1比特变换器BitNetGithubPyTorch实现大语言模型开源项目模型压缩
BitNet是一种创新的1比特变压器实现，通过BitLinear层替换标准线性投影，实现大型语言模型的高效压缩。该项目提供PyTorch实现，包含BitLinear、BitNetTransformer和BitAttention等核心组件，支持推理和Hugging Face模型集成。BitNet还探索了视觉任务应用，展现了多模态领域的潜力。项目包括训练脚本、性能基准测试和CUDA优化，为研究人员和开发者提供了全面的工具集。
optimum-intel - Transformers和Diffusers库与Intel提供的不同工具和库之间的接口，用于加速 Intel 架构上的端到端管道
GithubIntel Extension for PyTorchNNCFNeural CompressorOpenVINOOptimum Intel开源项目
Optimum Intel接口将Hugging Face的Transformers和Diffusers库与Intel的工具相结合，优化PyTorch模型性能。支持Intel Neural Compressor的量化和剪枝技术，OpenVINO的高性能推理以及Intel Extension for PyTorch的操作融合和图优化。Optimum Intel提供简单直观的接口和丰富示例，便于在Intel硬件上部署高效模型。
PaddleSlim - 深度学习模型压缩工具库PaddleSlim：低比特量化、知识蒸馏、稀疏化和结构搜索
GithubPaddleSlim剪枝开源项目模型压缩深度学习量化
PaddleSlim是一个深度学习模型压缩的工具库，提供低比特量化、知识蒸馏、稀疏化和模型结构搜索等策略。支持自动化压缩，量化预测能加速2.5倍，模型体积减少3.9倍。提供YOLOv8自动化压缩示例，并优化了在Nvidia GPU和ARM设备上的性能。适用于视觉和自然语言处理任务。支持PaddlePaddle和PaddleLite多个版本，适合有模型压缩需求的开发者使用。
cv_note - 分享计算机视觉和模型压缩部署技术栈笔记
CVGithub开源项目机器学习深度学习算法工程师计算机视觉
这个开源项目详细记录了计算机视觉算法工程师的成长路径，从基础编程知识到深度学习，再到模型部署。项目还提供了算法实习内推表、校招可投递公司汇总及技术栈笔记等实用资源，涵盖了编程开发、机器学习、图像识别、模型压缩等关键技术点，适合希望系统提升技术水平的工程师。
intel-extension-for-transformers - 提升GenAI与LLM模型性能的先进工具包
GenAIGithubIntel Extension for TransformersLLMTransformer模型开源项目量化推理
Intel® Extension for Transformers是专为提升基于Transformer架构的GenAI/LLM模型而设计的先进工具包。本工具包支持多种平台，如Intel Gaudi2、CPU和GPU，并整合了Hugging Face transformers APIs与Intel® Neural Compressor，提供顺畅的模型压缩过程和多样化的优化选择。此外，工具包含可定制的NeuralChat聊天机器人框架，为用户带来高效的AI交互体验。
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