#pruning Repositorios
Descubre 20 repositorios activos de código abierto de GitHub etiquetados con #pruning, que acumulan 47,055 estrellas en total (una media de 2,352 estrellas por proyecto). El líder de este tema es datawhalechina/leedl-tutorial, con 16,879 estrellas.
20 repositorios en total
《Tutorial de Aprendizaje Profundo de Li Hongyi》(Recomendado por el profesor Li Hongyi 👍, Apple Books 🍎), Enlace de descarga PDF: https://github.com/datawhalechina/leedl-tutorial/releases
[CVPR 2023] DepGraph: Hacia cualquier poda estructural; LLMs, Modelos Fundamentales de Visión, etc.
AIMET es una biblioteca que proporciona técnicas avanzadas de cuantización y compresión para modelos de redes neuronales entrenadas.
Cuantización LLM de baja precisión SOTA (INT8/FP8/MXFP8/INT4/MXFP4/NVFP4) y esparcidad; técnicas líderes de compresión de modelos en PyTorch, TensorFlow y ONNX Runtime
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
Curso práctico sobre modelos de lenguaje grandes.
PaddleSlim es una biblioteca de código abierto para la compresión de modelos profundos y la búsqueda de arquitecturas.
Un kit de herramientas para optimizar modelos de ML para el despliegue en Keras y TensorFlow, incluyendo cuantización y poda.
Métodos de cómputo eficientes desarrollados por Huawei Noah's Ark Lab
Framework de compresión de redes neuronales para una inferencia OpenVINO™ mejorada
[NeurIPS 2023] LLM-Pruner: Sobre la poda estructural de grandes modelos de lenguaje. Soporte para Llama-3/3.1, Llama-2, LLaMA, BLOOM, Vicuna, Baichuan, TinyLlama, etc.
Un marco potente de compresión de modelos para LLMs y LVLMs, adaptado para GPUs NVIDIA y NPUs Huawei Ascend.
TinyNeuralNetwork es un framework eficiente y fácil de usar para la compresión de modelos de aprendizaje profundo.
[EMNLP 2024 & AAAI 2026] Un potente kit de herramientas para comprimir modelos grandes, incluidos LLM, VLM y modelos generativos de video.
[ICLR 2024] Sheared LLaMA: Acelerando el preentrenamiento de modelos de lenguaje a través de la poda estructurada
Resumen, Código para la Cuantización de Redes Neuronales Profundas
Geniales papers de investigación sobre compresión de modelos de machine learning, cuantización, herramientas y material de aprendizaje.
Preguntas frecuentes
¿Cuál es el repositorio de #pruning más popular en GitHub?
El proyecto de código abierto de #pruning mejor posicionado en GitHub es datawhalechina/leedl-tutorial, con 16,879 estrellas. 《Tutorial de Aprendizaje Profundo de Li Hongyi》(Recomendado por el profesor Li Hongyi 👍, Apple Books 🍎), Enlace de descarga PDF: https://github.com/datawhalechina/leedl-tutorial/releases
¿Qué lenguajes de programación se utilizan más en los repositorios de #pruning?
Entre los proyectos de #pruning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Go.
¿Cómo se calcula la clasificación de los repositorios de #pruning?
Seguimos 20 repositorios activos de código abierto etiquetados con #pruning (500+ estrellas), que suman un total de 47,055 estrellas, con una media de 2,352 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.