#model-compression Repository
Scopri 35 repository GitHub open source attivi contrassegnati con #model-compression, che raccolgono un totale di 63,829 stelle (con una media di 1,823 stelle per progetto). Il progetto leader di questo argomento è z1069614715/objectdetection_script, con 7,353 stelle.
35 repository in totale
Alcuni script sulla rilevazione di oggetti e codice con idee di miglioramento; dettagli nel readme.md.
Backbone AI efficienti inclusi GhostNet, TNT e MLP, sviluppati da Huawei Noah's Ark Lab.
[CVPR 2023] DepGraph: Verso qualsiasi potatura strutturale; LLMs, Modelli di Fondazione per la Visione, ecc.
Modello linguistico pre-addestrato e relative tecniche di ottimizzazione sviluppate da Huawei Noah's Ark Lab.
micronet, una libreria per compressione e deployment di modelli. Compressione: 1、Quantizzazione: training-aware quantization(QAT), High-Bit(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference)、Low-Bit(≤2b)/Ternario e Binario(TWN/BNN/XNOR-Net); quantizzazione post-training(PTQ), 8-bit(tensorrt); 2、potatura: normale、regolare e potatura di canali convoluzionali di gruppo; 3、struttura di convoluzione di gruppo; 4、fusione di normalizzazione batch per quantizzazione. Deployment: tensorrt, fp32/fp16/in
Codice per l'articolo ICLR 2023 "GPTQ: Accurate Post-training Quantization of Generative Pretrained Transformers".
Un toolkit per ottimizzare modelli ML per il deployment su Keras e TensorFlow, inclusa quantizzazione e pruning.
TinyGPT-V: Modello linguistico grande multimodale efficiente tramite piccole backbone
Potatura di Canali per Accelerare Reti Neurali Molto Profonde (ICCV'17)
GigaModels: Un repository e una piattaforma completa per modelli multimodali, generativi e percettivi
Collezione di metodi recenti sulla compressione e accelerazione di reti neurali (profonde).
:zap: Basato sull'algoritmo di rilevamento universale a basso consumo energetico e ultraleggero di Yolo, il parametro è di soli 250k, e la velocità del terminale mobile dello smartphone può raggiungere circa 300fps+.
TinyNeuralNetwork è un framework efficiente e facile da usare per la compressione di modelli di deep learning.
Codice per l'articolo ICML 2023 "SparseGPT: Massive Language Models Can Be Accurately Pruned in One-Shot".
Elenco di articoli relativi alla quantizzazione delle reti neurali nelle recenti conferenze e riviste di IA.
ControlLoRA: Una rete neurale leggera per controllare le informazioni spaziali di Stable Diffusion
Riassunto, Codice per la Quantizzazione di Reti Neurali Profonde
[ICLR 2025] DuoAttention: Inferenza LLM efficiente per contesti lunghi con teste di recupero e streaming
Meravigliosi articoli di ricerca sulla compressione di modelli di machine learning, quantizzazione, strumenti e materiali di apprendimento.
Domande frequenti
Qual è il repository #model-compression più popolare su GitHub?
Il progetto open source #model-compression più alto in classifica su GitHub è z1069614715/objectdetection_script, con 7,353 stelle. Alcuni script sulla rilevazione di oggetti e codice con idee di miglioramento; dettagli nel readme.md.
Quali linguaggi di programmazione sono più utilizzati nei repository #model-compression?
Tra i progetti #model-compression più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook.
Come viene calcolata la classifica dei repository #model-compression?
Monitoriamo 35 repository open source attivi contrassegnati con #model-compression (500+ stelle), per un totale di 63,829 stelle e una media di 1,823 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.