#pruning Repository
Scopri 20 repository GitHub open source attivi contrassegnati con #pruning, che raccolgono un totale di 47,055 stelle (con una media di 2,352 stelle per progetto). Il progetto leader di questo argomento è datawhalechina/leedl-tutorial, con 16,879 stelle.
20 repository in totale
《Tutorial di Deep Learning di Li Hongyi》(Raccomandato dal professor Li Hongyi 👍, Apple Books 🍎), Link per il download PDF: https://github.com/datawhalechina/leedl-tutorial/releases
[CVPR 2023] DepGraph: Verso qualsiasi potatura strutturale; LLMs, Modelli di Fondazione per la Visione, ecc.
AIMET è una libreria che fornisce tecniche avanzate di quantizzazione e compressione per modelli di reti neurali addestrati.
Quantizzazione LLM a basso bit SOTA (INT8/FP8/MXFP8/INT4/MXFP4/NVFP4) e sparsità; tecniche leader di compressione del modello su PyTorch, TensorFlow e ONNX Runtime
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
Corso pratico sui modelli linguistici di grandi dimensioni.
PaddleSlim è una libreria open-source per la compressione di modelli profondi e la ricerca di architetture.
Un toolkit per ottimizzare modelli ML per il deployment su Keras e TensorFlow, inclusa quantizzazione e pruning.
Framework di compressione della rete neurale per un'inferenza OpenVINO™ avanzata
[NeurIPS 2023] LLM-Pruner: Sul potatura strutturale di grandi modelli linguistici. Supporto per Llama-3/3.1, Llama-2, LLaMA, BLOOM, Vicuna, Baichuan, TinyLlama, ecc.
Un framework potente di compressione di modelli per LLMs e LVLMs, adattato per GPU NVIDIA e NPU Huawei Ascend.
TinyNeuralNetwork è un framework efficiente e facile da usare per la compressione di modelli di deep learning.
[EMNLP 2024 & AAAI 2026] Un potente toolkit per comprimere modelli di grandi dimensioni, inclusi LLM, VLM e modelli generativi video.
[ICLR 2024] Sheared LLaMA: Accelerare il pre-training dei modelli linguistici tramite potatura strutturata
Riassunto, Codice per la Quantizzazione di Reti Neurali Profonde
Meravigliosi articoli di ricerca sulla compressione di modelli di machine learning, quantizzazione, strumenti e materiali di apprendimento.
Domande frequenti
Qual è il repository #pruning più popolare su GitHub?
Il progetto open source #pruning più alto in classifica su GitHub è datawhalechina/leedl-tutorial, con 16,879 stelle. 《Tutorial di Deep Learning di Li Hongyi》(Raccomandato dal professor Li Hongyi 👍, Apple Books 🍎), Link per il download PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Quali linguaggi di programmazione sono più utilizzati nei repository #pruning?
Tra i progetti #pruning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Go.
Come viene calcolata la classifica dei repository #pruning?
Monitoriamo 20 repository open source attivi contrassegnati con #pruning (500+ stelle), per un totale di 47,055 stelle e una media di 2,352 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.