#model-compression Dépôts
Découvrez 35 dépôts GitHub open source actifs associés à #model-compression, cumulant 63,829 étoiles au total (soit une moyenne de 1,823 étoiles par projet). Le projet en tête de ce thème est z1069614715/objectdetection_script, avec 7,353 étoiles.
35 dépôts au total
Des scripts concernant la détection d'objets et du code d'idées d'amélioration; consultez en détail le readme.md.
Backbones IA efficaces incluant GhostNet, TNT et MLP, développés par Huawei Noah's Ark Lab.
[CVPR 2023] DepGraph: Vers toute élagage structurel; LLMs, Modèles de base de vision, etc.
Modèle de langage pré-entraîné et ses techniques d'optimisation associées développées par Huawei Noah's Ark Lab.
micronet, une bibliothèque de compression et de déploiement de modèles. Compression : 1、quantification : entraînement conscient de la quantification(QAT), High-Bit(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference)、Low-Bit(≤2b)/Ternaire et Binaire(TWN/BNN/XNOR-Net) ; quantification post-entraînement(PTQ), 8-bit(tensorrt) ; 2、élagage : normal、régulier et élagage de canaux convolutifs en groupe ; 3、structure de convolution en groupe ; 4、fusion de normalisation par lots pour la quantification. Déploiement : tensorrt, fp32/fp16/in
Code pour le document ICLR 2023 "GPTQ: Accurate Post-training Quantization of Generative Pretrained Transformers".
Un kit d'outils pour optimiser les modèles ML pour le déploiement sur Keras et TensorFlow, incluant la quantification et l'élagage.
Méthodes de calcul efficaces développées par Huawei Noah's Ark Lab
Élagage de Canaux pour Accélérer les Réseaux de Neurones Très Profonds (ICCV'17)
GigaModels : Un référentiel et une plateforme complets pour les modèles multimodaux, génératifs et perceptuels
Collection de méthodes récentes sur la compression et l'accélération des réseaux de neurones (profonds).
:zap: Basé sur l'algorithme universel de détection de cibles basse consommation et ultra-léger de Yolo, le paramètre n'est que de 250k, et la vitesse du terminal mobile de smartphone peut atteindre ~300fps+.
TinyNeuralNetwork est un framework efficace et facile à utiliser pour la compression de modèles d'apprentissage profond.
Code pour l'article ICML 2023 "SparseGPT: Massive Language Models Can Be Accurately Pruned in One-Shot".
Liste des articles liés à la quantification des réseaux neuronaux dans les conférences et revues d'IA récentes.
ControlLoRA : Un réseau neuronal léger pour contrôler les informations spatiales de Stable Diffusion
Résumé, Code pour la Quantification de Réseaux de Neurones Profonds
[ICLR 2025] DuoAttention : Inférence LLM efficace à long contexte avec têtes de récupération et de streaming
Superbes articles de recherche sur la compression de modèles d'apprentissage automatique, quantification, outils et matériel d'apprentissage.
Foire aux questions
Quel est le dépôt #model-compression le plus populaire sur GitHub ?
Le projet #model-compression open source le mieux classé sur GitHub est z1069614715/objectdetection_script, avec 7,353 étoiles. Des scripts concernant la détection d'objets et du code d'idées d'amélioration; consultez en détail le readme.md.
Quels langages de programmation sont les plus utilisés dans les dépôts #model-compression ?
Parmi les projets #model-compression les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook.
Comment le classement des dépôts #model-compression est-il calculé ?
Nous suivons 35 dépôts open source actifs associés à #model-compression (500+ étoiles), totalisant 63,829 étoiles, avec une moyenne de 1,823 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.