Project Icon

deepsparse

优化CPU上深度学习推理的高效稀疏性使用

DeepSparse是一个专为CPU优化的深度学习推理运行时,通过使用稀疏性显著加快模型推理速度。结合SparseML优化库,DeepSparse支持模型剪枝和量化,在CPU上实现卓越性能。支持各种计算机视觉和自然语言处理模型,包括BERT、ViT、ResNet、YOLOv5/8等。此外,DeepSparse现已支持高效的LLM推理,对稀疏量化模型实现多倍加速。可通过PyPI安装,并提供多种API便于部署。

SparK - 卷积神经网络的BERT风格自监督预训练新方法
BERT-style预训练CNNGithubICLR 2023SparK卷积神经网络开源项目
该项目实现了BERT风格的自监督预训练方法在卷积神经网络中的应用,能够对如ResNet等任意CNN进行预训练。项目代码简洁易读,只需最少的依赖项。在ImageNet数据集上表现优异,展示了小模型在预训练后能够超越大模型的能力,同时生成性自监督学习优于对比学习。
DenseCL - 改进密集预测任务的视觉预训练方法
DenseCLGithub密集预测对比学习开源项目自监督学习视觉预训练
DenseCL是一种自监督视觉预训练方法,通过密集对比学习提升模型在密集预测任务中的表现。该方法实现简洁,核心部分仅需10行代码,适配多种数据增强技术。实验表明,DenseCL在目标检测和语义分割任务中性能显著提升,同时保持训练效率。项目开源了预训练模型和使用指南,便于研究者在视觉任务中应用。
squeezebert-uncased - SqueezeBERT:提高NLP任务效率的高效开源模型
GithubHuggingfaceSqueezeBERT开源项目微调模型组卷积语言模型预训练
SqueezeBERT是一个专注于提高自然语言处理任务效率的无大小写敏感的预训练模型。其架构通过分组卷积替换点对点全连接层,使其在Google Pixel 3设备上运行速度比bert-base-uncased快4.3倍。利用Mask Language Model和Sentence Order Prediction对模型进行了预训练,所使用的数据集包括BookCorpus和English Wikipedia。尽管模型尚未微调,但SqueezeBERT为文本分类任务奠定了坚实基础,建议使用squeezebert-mnli-headless作为起点。
mobilebert-uncased - 轻量级BERT模型优化资源受限设备性能
BERTGithubHuggingfaceMobileBERT开源项目模型模型压缩深度学习自然语言处理
MobileBERT是BERT_LARGE的精简版本,采用瓶颈结构设计,平衡自注意力机制和前馈网络。这个紧凑型BERT模型专为资源受限设备优化,保持强大性能的同时大幅缩小模型体积。MobileBERT能在移动设备等计算资源有限的环境中高效运行,适用于各类NLP任务。
dash-infer - 面向x86和ARMv9的高性能大语言模型推理引擎
CPU优化DashInferGithubLLM推理开源项目模型量化高性能计算
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。
bert-tiny - 轻量级预训练自然语言处理模型
BERTGithubHuggingface开源项目模型模型压缩知识蒸馏自然语言处理预训练模型
BERT-tiny是一款轻量级预训练自然语言处理模型,源自Google BERT项目。它采用2层网络结构和128维隐藏层,专为资源受限环境下的下游任务设计。尽管体积小巧,BERT-tiny在自然语言推理等任务中仍表现出色,保留了BERT模型的核心功能。这使其成为需要在计算资源有限情况下进行自然语言处理的研究人员和开发者的理想选择。
dgl - 图深度学习框架加速图神经网络应用与研究
DGLGithub分布式训练图神经网络大规模图开源项目深度学习
DGL是一个高效易用的Python包,支持在图上执行深度学习。兼容PyTorch、Apache MXNet和TensorFlow等多种框架,提供GPU加速的图库、丰富的GNN模型示例、全面的教学材料及优化的分布式训练功能。适合从研究人员到行业专家的各类用户。广泛应用于学术及实践领域,无论是基础教学还是高级图分析,DGL均能有效支持。
MNN - 高效轻量的深度学习框架,支持多设备推理和训练
GithubMNN开源项目推理引擎深度学习框架轻量级高性能
MNN是一个高效轻量的深度学习框架,支持设备上的推理和训练。已被阿里巴巴30多个应用集成,覆盖直播、短视频、搜索推荐等70多种场景。MNN适用于嵌入式设备,支持TensorFlow、Caffe、ONNX等多种模型格式,并优化了ARM和x64 CPU及多种GPU的计算性能。通过MNN Workbench,用户可以下载预训练模型、进行可视化训练并一键部署到设备上。
DeepCache - 免费加速扩散模型
DeepCacheGithub开源项目无训练模型加速降采样高搜索量
DeepCache通过无需训练的方式显著加速扩散模型,支持Stable Diffusion、Stable Diffusion XL、Stable Video Diffusion等。兼容多种采样算法如DDIM和PLMS,并提供详细的使用示例,用户无需修改代码即可提升性能。此外,DeepCache还支持并行推理和多GPU使用,确保高效部署和运行。
Embedded-Neural-Network - 深度神经网络压缩与加速技术综述
Github剪枝开源项目模型量化硬件加速器神经网络压缩稀疏化
Embedded-Neural-Network项目汇集了减小深度神经网络模型大小和加速ASIC/FPGA应用的前沿研究。内容涵盖网络压缩、硬件加速等领域,包括参数共享、知识蒸馏、定点训练、稀疏正则化和剪枝等技术。项目还整理了相关教程和重要会议论文。
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。

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