dash-infer

面向x86和ARMv9的高性能大语言模型推理引擎

DashInfer LLM推理 CPU优化模型量化高性能计算 Github 开源项目

DashInfer是一款针对x86和ARMv9硬件架构优化的C++推理引擎，支持连续批处理和NUMA感知功能。该引擎可充分发挥现代服务器CPU性能，支持推理参数规模达14B的大语言模型。DashInfer采用轻量架构，提供高精度推理和标准LLM推理技术，兼容主流开源大语言模型，并集成了量化加速和优化计算内核等功能。

Github

介绍相关项目

nn-Meter - 准确预测深度神经网络边缘设备推理延迟的系统

Githubnn-Meter延迟预测开源项目深度学习神经网络边缘计算

nn-Meter是一个用于预测深度神经网络模型在边缘设备上推理延迟的系统。其核心是将模型推理分解为内核级别进行预测。系统在26000个模型的数据集上评估了4个主流平台,在移动CPU、GPU和VPU上达到较高预测精度。无需部署即可预测延迟,可用于硬件感知的神经架构搜索,并支持构建自定义设备的延迟预测器。

sparsify - 机器学习模型推理优化解决方案

GithubNeural MagicSparsify开源项目推理加速模型优化深度学习

Sparsify使用先进的剪枝、量化和蒸馏算法，在加速推理的同时保持模型精度。该工具由两部分组成：Sparsify Cloud，提供实验创建、管理和结果比较的在线平台；Sparsify CLI/API，作为Python包和GitHub库，支持本地实验运行与云端同步。当前版本正逐步转向大语言模型优化。

llm-engine - 自定义和部署大语言模型的开源解决方案

GithubLLM EngineScale大语言模型开源项目推理API模型微调

LLM Engine是一款Python库、CLI和Helm图表，能够在Scale托管基础设施或自有Kubernetes云中自定义和部署基础模型。支持LLaMA、MPT和Falcon等开源基础模型的API部署和服务，并允许在自有数据上微调以优化性能。该引擎优化推理功能和开源集成，提高部署和微调效率，未来还将提供K8s安装文档和快速冷启动时间。

ipex-llm - 在Intel CPU和GPU上运行大型语言模型(LLM)的高性能库

AIGithubIPEX-LLMLLM运行库PyTorch开源项目英特尔

IPEX-LLM是专为Intel CPU和GPU设计的PyTorch库，能高效运行多种大型语言模型如LLaMA2和Mistral，确保极低延迟。支持最新技术如Microsoft的GraphRAG和多模态模型，及英特尔新型NPU。提供一体化易用性并针对多GPU优化，包括实时演示和详尽的性能基准。

infinity - 为LLM应用量身打造的高速AI原生数据库

AI原生数据库GithubInfinity全文搜索向量数据密集嵌入开源项目

Infinity是一个AI原生数据库，专门优化以支持语言模型应用，具备多种数据类型如密集向量、稀疏向量、张量、全文及结构化数据的搜索能力。此外，这个数据库营造了一个适合各种大模型应用的环境，如搜索、推荐系统、问答系统、对话AI和内容生成等。它采用Python模块化，易于部署和集成，有效提升了使用便捷性和灵活性。

llama.cpp - C/C++ 实现的 LLaMA 模型推理，支持多种硬件和系统

C/C++Githubllama.cpp多模态模型开源项目模型推理热门量化优化

llama.cpp 提供了基于 C/C++ 的纯粹实现，支持包括 LLaMA 在内的多个模型的推理。专为多种硬件和操作系统优化，包括使用 ARM NEON、AVX 指令集和 Metal 框架的设备。此外，项目支持使用 NVIDIA GPU 的自定义 CUDA 核心，以及通过 HIP 支持 AMD GPU，为开发者在本地或云环境中实现高效、低延迟的大规模语言模型推理提供了强大的灵活性和可扩展性。

internlm2_5-1_8b-chat - 开源18亿参数模型提升推理能力与工具调用效率

GithubHuggingfaceInternLM工具利用开源模型开源项目推理能力模型模型性能

InternLM2.5是一个开源的18亿参数基础模型，拥有卓越的数学推理和增强的工具调用能力，其能够从多个网页搜集信息并进行分析和指令理解。在OpenCompass的评测中，该模型在MATH、GPQA等基准测试中表现突出。尽管在推理和综合能力上具有优越性，仍需注意潜在的风险输出。通过Transformers和LMDeploy工具，用户可以轻松加载和部署此模型以适应多种应用场景。

OnnxStream - 适用于低资源设备的模型运行的内存优化的推理库

GithubMistral 7BOnnxStreamStable Diffusion XLTinyLlama开源项目性能

OnnxStream专为优化内存使用而设计，支持在低资源设备上高效运行大型模型如Stable Diffusion和TinyLlama。在仅有512MB RAM的Raspberry Pi Zero 2上，实现图像生成和语言模型推理，而无需额外交换空间或磁盘写入。通过解耦推理引擎与模型权重组件，OnnxStream显著降低内存消耗，提供轻量且高效的推理解决方案。其静态量化和注意力切片技术增强了多种应用中的适应性和性能。

T-MAC - 优化低比特量化LLM推理的CPU加速框架

CPU加速GithubLLM推理T-MAC低比特量化开源项目矩阵乘法

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。

tinyengine - 微控制器神经网络库优化内存和性能

GithubTinyEngine内存优化开源项目微控制器推理加速深度学习

TinyEngine是专为微控制器设计的神经网络库，通过原地深度卷积和基于块的推理等技术优化内存管理和推理性能。相比现有解决方案，TinyEngine将推理速度提升1.1-18.6倍，峰值内存减少1.3-3.6倍。作为微控制器AI应用的基础设施，TinyEngine在有限内存预算下实现了更高性能，为微控制器深度学习部署提供了有力支持。

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