#model-compression Repositórios
Descubra 35 repositórios ativos de código aberto no GitHub marcados com #model-compression, acumulando um total de 63,829 estrelas (uma média de 1,823 por projeto). O líder deste tópico é z1069614715/objectdetection_script, com 7,353 estrelas.
35 repositórios no total
Alguns scripts sobre detecção de objetos e códigos com ideias de melhorias; detalhes em readme.md.
Estruturas de IA eficientes, incluindo GhostNet, TNT e MLP, desenvolvidas pelo Huawei Noah's Ark Lab.
[CVPR 2023] DepGraph: Rumo a Qualquer Poda Estrutural; LLMs, Modelos Fundamentais de Visão, etc.
Modelo de linguagem pré-treinado e suas técnicas de otimização relacionadas desenvolvidas pelo Huawei Noah's Ark Lab.
micronet, uma biblioteca de compressão e implantação de modelos. compressão: 1、quantização: treinamento ciente de quantização (QAT), High-Bit(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference), Low-Bit(≤2b)/Ternary and Binary(TWN/BNN/XNOR-Net); quantização pós-treinamento (PTQ), 8-bit(tensorrt); 2、 poda: poda de canal de convolução normal, regular e em grupo; 3、 estrutura de convolução em grupo; 4、 fusão de normalização em lote para quantização. implantação: tensorrt, fp32/fp16/in
Código para o artigo da ICLR 2023 "GPTQ: Quantização Pós-Treinamento Precisa de Transformers Generativos Pré-treinados".
Um kit de ferramentas para otimizar modelos de ML para implantação para Keras e TensorFlow, incluindo quantização e poda.
TinyGPT-V: Modelo de Linguagem Grande Multimodal Eficiente via Backbones Pequenos
Métodos de computação eficientes desenvolvidos pelo Huawei Noah's Ark Lab
GigaModels: Um repositório e plataforma abrangentes para modelos multimodais, generativos e perceptuais
Coleção de métodos recentes sobre compressão e aceleração de redes neurais (profundas).
:zap: Com base no algoritmo universal de detecção de alvos de baixa potência e ultra-leve do Yolo, o parâmetro é de apenas 250k, e a velocidade do terminal móvel de smartphone pode chegar a ~300fps+
TinyNeuralNetwork é um framework de compressão de redes neurais profundas eficiente e fácil de usar.
Código para o artigo da ICML 2023 "SparseGPT: Massive Language Models Can Be Accurately Pruned in One-Shot".
Lista de artigos relacionados à quantização de redes neurais nas recentes conferências e periódicos de IA.
ControlLoRA: Uma Rede Neural Leve Para Controlar a Informação Espacial do Stable Diffusion
Resumo, Código para Quantização de Rede Neural Profunda
[ICLR 2025] DuoAttention: Inferência Eficiente de LLM de Contexto Longo com Cabeças de Recuperação e Streaming
Artigos de pesquisa incríveis sobre compressão de modelos de aprendizado de máquina, quantização, ferramentas e material de aprendizado.
Perguntas Frequentes
Qual é o repositório de #model-compression mais popular no GitHub?
O projeto de código aberto de #model-compression mais bem classificado no GitHub é z1069614715/objectdetection_script, com 7,353 estrelas. Alguns scripts sobre detecção de objetos e códigos com ideias de melhorias; detalhes em readme.md.
Quais linguagens de programação são mais usadas nos repositórios de #model-compression?
Entre os projetos de #model-compression mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #model-compression?
Acompanhamos 35 repositórios ativos de código aberto marcados com #model-compression (com mais de 500 estrelas), totalizando 63,829 estrelas e uma média de 1,823 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.