Logo
Project Icon

TinyLlama-1.1B-Chat-v1.0-marlin

TinyLlama-1.1B量化推理解决方案

HuggingfaceTinyLlama-1.1B-Chat-v1.0量化推理开源项目基于模型模型Neural MagicGithub

本项目提供了一种以TinyLlama-1.1B为基础的量化聊天模型，运用GPTQ技术实现内存优化与推理加速，支持高效的4位推理。借助nm-vllm引擎，用户能快速实现部署，并可通过Python管道进行本地推理。详细的量化与Marlin格式转换流程保障了模型的高效表现。此外，Neural Magic的Slack社区欢迎加入以获取支持和交流更多关于神经网络及AI的资讯。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
Llama-2-7b-chat-hf - 开源对话模型 强大性能与安全性兼备
GithubHuggingfaceLlama 2Meta人工智能大型语言模型开源项目模型自然语言处理
Llama-2-7b-chat-hf是Meta开发的大型语言模型,针对对话场景进行了优化。该模型在多数基准测试中超越了其他开源聊天模型,其有用性和安全性与部分知名封闭源模型相当。模型基于transformer架构,通过监督微调和人类反馈强化学习提升了帮助性和安全性。Llama-2-7b-chat-hf支持多种商业和研究应用,适用于助手式聊天等任务。使用时需按特定格式输入以获得最佳性能。
Meta-Llama-3.1-70B-Instruct-AWQ-INT4 - Llama 3.1 70B指令模型INT4量化版 多语言对话优化
AutoAWQGithubHuggingfaceMeta Llama 3.1大语言模型开源项目推理模型量化
Meta AI的Llama 3.1 70B指令模型经社区量化为INT4精度，显著降低内存需求。这一多语言模型针对对话场景优化，在行业基准测试中表现优异。支持通过Transformers、AutoAWQ、TGI和vLLM等多种方式部署使用，为开发者提供灵活选择。
TinyLlama-1.1B-intermediate-step-955k-token-2T - 探讨紧凑型1.1B参数模型的高效预训练
GithubHuggingfaceTinyLlama参数开源项目模型计算预训练
TinyLlama项目目标是在3万亿标记上预训练一个具备1.1B参数的Llama模型。通过优化技术，该项目可在90天内使用16个A100-40G GPU完成训练。采用与Llama 2相同的架构和分词器，确保与其他开源项目的兼容性。TinyLlama的紧凑设计适合计算和内存受限的应用。该项目于2023年9月1日启动，计划在2023年12月1日前完成，并会逐步发布中间检查点。详细信息请查看TinyLlama GitHub页面。
Meta-Llama-3.1-70B-Instruct-GPTQ-INT4 - INT4量化版提升多语言对话效率
GPTQGithubHuggingfaceMeta-Llama-3.1-70B-Instruct大语言模型开源项目推理模型量化
本项目展示了Meta Llama 3.1 70B Instruct模型的INT4量化版本。通过AutoGPTQ技术，将原FP16模型压缩至INT4精度，在维持性能的同时显著减少内存使用，仅需约35GB显存即可运行。该项目兼容多个推理框架，如Transformers、AutoGPTQ、TGI和vLLM，便于根据不同需求进行选择。项目还附有详细的量化复现指南，方便用户独立完成模型量化过程。
Llama-3.2-1B-Instruct-q4f16_1-MLC - 高性能量化指令模型用于MLC-LLM和WebLLM项目
GithubHuggingfaceLlama-3.2-1B-InstructMLC-LLM人工智能大语言模型开源项目模型聊天机器人
Llama-3.2-1B-Instruct模型的MLC格式q4f16_1版本，适用于MLC-LLM和WebLLM项目。支持命令行聊天、REST服务器部署和Python API调用。模型采用量化技术，在保持性能的同时减小体积，适合多种设备高效推理。可通过简单命令或代码快速部署使用。
TinyLLama-v0 - 基于Llama架构的轻量级开源文本生成模型TinyLLama
GithubHuggingfaceLlamaTinyStories开源项目模型模型训练神经网络自然语言处理
TinyLLama-v0是一个基于Llama架构的轻量级语言模型项目，重现了TinyStories-1M的功能。项目提供完整训练流程，包括数据准备、模型训练和验证脚本。它使用open_llama_3b分词器，在40GB A100 GPU上训练3小时/轮，共9小时。虽处于概念验证阶段，存在长文本截断等限制，但TinyLLama-v0为开发者提供了探索小型语言模型的平台。项目包含演示脚本和验证工具，适用于文本生成等自然语言处理任务研究。
Llama-2-13b-chat-hf - Meta开发的130亿参数大语言模型支持多种自然语言处理任务
GithubHuggingfaceLlama 2人工智能大语言模型对话系统开源项目模型模型训练
Llama-2-13b-chat-hf是Meta开发的大规模语言模型,拥有130亿参数。该模型经过对话任务微调,在多项基准测试中表现优异,支持文本生成、问答等自然语言处理任务。Llama-2采用公开数据集训练,不含Meta用户数据,提供商业许可。此Hugging Face版本便于研究和开发使用。
ChatGLM-Tuning - ChatGLM-6B和LoRA结合的经济型语言模型微调方案
AI模型ChatGLM-6BGithubLoRA开源项目微调深度学习
ChatGLM-Tuning项目是一个基于ChatGLM-6B和LoRA技术的语言模型微调解决方案。该项目包含数据预处理、模型训练和推理功能，支持Alpaca数据集。它提供预训练LoRA模型，并计划引入中文数据和RLHF技术。这一方案适用于16GB以上显存的GPU环境，为开发者提供了一种经济高效的大型语言模型定制途径。
h2ogpt-4096-llama2-7b-chat - 基于Meta Llama 2的开源增强对话模型
GithubHuggingfaceLlama 2h2oGPT人工智能大型语言模型开源项目模型自然语言处理
该项目是对Meta Llama 2 7B Chat模型的优化升级版本。项目提供在线演示平台，可进行多个语言模型的性能对比和私人文档对话。通过h2oGPT平台可体验实时对话功能，并在模型排行榜中查看性能评估结果。
TinyLlama-1.1B-intermediate-step-1431k-3T - 快速训练的轻量级1.1B参数Llama模型
GithubHuggingfaceTinyLlama开源项目性能评估模型语言模型预训练
TinyLlama-1.1B是一个在3万亿个token上预训练的小型Llama模型。采用Llama 2架构，该模型用16个A100 GPU在90天内完成训练，展现高效性。紧凑设计适合资源受限场景，在多项基准测试中表现不俗，可轻松集成到基于Llama的开源项目中。
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