#model-compression Repositorios
Descubre 35 repositorios activos de código abierto de GitHub etiquetados con #model-compression, que acumulan 63,829 estrellas en total (una media de 1,823 estrellas por proyecto). El líder de este tema es z1069614715/objectdetection_script, con 7,353 estrellas.
35 repositorios en total
Algunos scripts sobre detección de objetos y código con ideas de mejora; revise readme.md para más detalles.
Backbones de IA eficientes que incluyen GhostNet, TNT y MLP, desarrollados por Huawei Noah's Ark Lab.
[CVPR 2023] DepGraph: Hacia cualquier poda estructural; LLMs, Modelos Fundamentales de Visión, etc.
Modelo de lenguaje preentrenado y sus técnicas de optimización relacionadas desarrolladas por Huawei Noah's Ark Lab.
micronet, una biblioteca de compresión y despliegue de modelos. Compresión: 1、Cuantización: entrenamiento consciente de cuantización(QAT), Alto-Bit(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference)、Bajo-Bit(≤2b)/Ternario y Binario(TWN/BNN/XNOR-Net); cuantización post-entrenamiento(PTQ), 8-bit(tensorrt); 2、poda: normal、regular y poda de canales convolucionales en grupo; 3、estructura de convolución en grupo; 4、fusión de normalización por lotes para cuantización. Despliegue: tensorrt, fp32/fp16/in
Código para el artículo de ICLR 2023 "GPTQ: Accurate Post-training Quantization of Generative Pretrained Transformers".
Un kit de herramientas para optimizar modelos de ML para el despliegue en Keras y TensorFlow, incluyendo cuantización y poda.
TinyGPT-V: Modelo de lenguaje grande multimodal eficiente a través de espinas dorsales pequeñas
Métodos de cómputo eficientes desarrollados por Huawei Noah's Ark Lab
GigaModels: Un repositorio y plataforma integral para modelos multimodales, generativos y perceptuales
Colección de métodos recientes sobre compresión y aceleración de redes neuronales (profundas).
:zap: Basado en el algoritmo de detección de objetivos universal de baja potencia y ultraligero de Yolo, el parámetro es de solo 250k, y la velocidad del terminal móvil del teléfono inteligente puede alcanzar ~300fps+.
TinyNeuralNetwork es un framework eficiente y fácil de usar para la compresión de modelos de aprendizaje profundo.
Código para el artículo de ICML 2023 "SparseGPT: Massive Language Models Can Be Accurately Pruned in One-Shot".
Lista de artículos relacionados con la cuantización de redes neuronales en conferencias y revistas recientes de IA.
ControlLoRA: Una red neuronal ligera para controlar la información espacial de Stable Diffusion
Resumen, Código para la Cuantización de Redes Neuronales Profundas
[ICLR 2025] DuoAttention: Inferencia eficiente de LLM de contexto largo con cabezales de recuperación y transmisión
Geniales papers de investigación sobre compresión de modelos de machine learning, cuantización, herramientas y material de aprendizaje.
Preguntas frecuentes
¿Cuál es el repositorio de #model-compression más popular en GitHub?
El proyecto de código abierto de #model-compression mejor posicionado en GitHub es z1069614715/objectdetection_script, con 7,353 estrellas. Algunos scripts sobre detección de objetos y código con ideas de mejora; revise readme.md para más detalles.
¿Qué lenguajes de programación se utilizan más en los repositorios de #model-compression?
Entre los proyectos de #model-compression mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook.
¿Cómo se calcula la clasificación de los repositorios de #model-compression?
Seguimos 35 repositorios activos de código abierto etiquetados con #model-compression (500+ estrellas), que suman un total de 63,829 estrellas, con una media de 1,823 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.