Logo
Project Icon

onnx-mlir

基于LLVM/MLIR的高性能神经网络编译器

ONNX-MLIR编译器ONNXLLVM人工智能Github开源项目

ONNX-MLIR是一个开源编译器项目，旨在将ONNX神经网络模型转换为高效的可执行代码。该项目基于LLVM/MLIR技术，实现了ONNX标准，并提供ONNX方言、编译器接口、驱动程序和多语言运行时环境。ONNX-MLIR支持Linux、macOS和Windows等多个平台，并提供Docker镜像以简化开发和部署流程。通过优化ONNX图，ONNX-MLIR能够生成性能卓越的神经网络实现。

访问官网访问官网GithubGithub文档文档论文论文
介绍相关项目
xlm-roberta-base-language-detection-onnx - 基于XLM-RoBERTa的多语言文本识别系统
GithubHuggingfaceONNX转换XLM-RoBERTa多语言模型开源项目文本分类模型语言检测
这是一个将xlm-roberta-base转换为ONNX格式的语言检测模型，支持阿拉伯语、中文、英语等20种语言识别。模型通过序列分类技术实现语言检测，并结合Optimum库确保高效运行，适合多语言文本分析场景。
ncnn - 移动端神经网络推理框架
Githubncnn开源项目深度学习神经网络移动平台腾讯
ncnn 是一个专为移动端设计，无第三方依赖的开源神经网络推理框架。它支持跨平台功能，低内存占用及在手机CPU上的高速运算能力。利用 ncnn，开发者能够迅速在移动应用中部署深度学习模型，加入智能化功能。该框架已在众多应用程序中使用，如QQ和微信。同时，ncnn 支持 Vulkan API，优化了GPU加速功能，致使在移动设备上表现卓越。
XNNPACK - 多平台优化的神经网络推理引擎 支持移动和嵌入式系统
GithubXNNPACK开源项目深度学习框架神经网络推理移动平台优化算子支持
XNNPACK是一个用于加速高级机器学习框架的神经网络推理引擎。它支持ARM、x86、WebAssembly和RISC-V等多种平台，提供低级性能原语，优化TensorFlow Lite、PyTorch等框架的运行效率。XNNPACK实现了丰富的神经网络操作符，在移动设备和嵌入式系统上表现出色，能高效运行各代MobileNet模型。在Pixel 3a上，XNNPACK能在44毫秒内完成FP32 MobileNet v3 Large的单线程推理，展现了其卓越的性能。
multilingual-MiniLMv2-L6-mnli-xnli - 轻量级多语言自然语言推理与分类模型
GithubHuggingfaceMiniLMv2多语言翻译开源项目机器学习模型自然语言推理零样本分类
MiniLMv2是一款支持100多种语言的自然语言推理模型，采用知识蒸馏技术从XLM-RoBERTa-large模型优化而来。经过XNLI和MNLI数据集的微调训练，该模型在XNLI测试集达到71.3%的平均准确率。相比原始模型，具备更低的资源消耗和更快的运行速度，适合跨语言迁移学习应用。
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。
LLM4Decompile - 大型语言模型驱动的二进制代码反编译技术
GithubLLM4Decompile二进制代码反编译大语言模型开源项目源代码
LLM4Decompile是一款创新的开源大型语言模型，专注于二进制代码反编译。该模型能将Linux x86_64二进制文件转换为可读的C源代码，覆盖GCC的O0至O3优化级别。项目提供多个参数规模的模型版本，从1.3B到33B不等。其中，最新的22B-V2版本在HumanEval-Decompile基准测试中实现了63.6%的重新执行率。LLM4Decompile不仅可直接反编译二进制文件，还能优化Ghidra等工具生成的伪代码，为二进制分析和逆向工程领域提供了新的可能性。
openmlsys-zh - 现代机器学习系统设计与实现全面指南
GithubOpenMLSys实现经验开源项目机器学习系统设计原理
该开源项目全面介绍现代机器学习系统的设计和实现，涵盖编程接口、计算图、编译器技术、硬件加速等核心内容。同时探讨推荐系统、联邦学习、强化学习等前沿领域的系统实现。项目内容适合学生、研究人员和开发者，有助于读者深入理解机器学习系统，提升实际应用和开发能力。
awesome-machine-learning-in-compilers - 编译器和程序优化中的机器学习资源集锦
Github开源项目强化学习机器学习程序优化编译器优化自动调优
这个项目收集了机器学习在编译器和程序优化领域的重要资源,包括研究论文、数据集和工具。涵盖迭代编译、指令级优化、并行映射等多个主题,提供了全面的参考材料。除学术资源外,还包括相关书籍、演讲、软件和基准测试,是该领域研究和开发的综合指南。
natml-unity - 跨平台Unity机器学习集成工具
GithubNatML HubUnity开源项目性能优化机器学习跨平台
NatML是一款为Unity开发者设计的机器学习集成工具，支持多种ML模型格式和跨平台部署。它通过硬件加速提供高性能，并通过NatML Hub简化预训练模型的发现和使用。NatML允许开发者以少量代码实现复杂的机器学习功能，无需深厚的ML背景。该工具简化了Unity项目中机器学习的应用流程，提高了开发效率。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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

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