Git Stars Git Stars

#post-training-quantization Repositórios

Descubra 12 repositórios ativos de código aberto no GitHub marcados com #post-training-quantization, acumulando um total de 21,589 estrelas (uma média de 1,799 por projeto). O líder deste tópico é NVIDIA/Model-Optimizer, com 5,646 estrelas.

12
Total de Repositórios
21,589
Total de estrelas
1,799
Média de Estrelas/Repositório
Linguagens de programação: Python

12 repositórios no total

1
NVIDIA/Model-Optimizer

Uma biblioteca unificada de técnicas de otimização de modelos SOTA, como quantização, destilação, poda (pruning), busca de arquitetura neural, decodificação especulativa, etc. Ela comprime modelos de aprendizado profundo para frameworks de implantação downstream como TensorRT-LLM, TensorRT, vLLM, etc., para otimizar a velocidade de inferência.

NVIDIA
⭐ 5,646 Python 👤 NVIDIA Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-04-23
2
intel/neural-compressor

Quantização LLM de baixo bit SOTA (INT8/FP8/MXFP8/INT4/MXFP4/NVFP4) e esparsidade; técnicas líderes de compressão de modelos em PyTorch, TensorFlow e ONNX Runtime

intel
⭐ 2,733 Python 👤 intel Organization 🕐 Atualizado 2026-11-20 📅 Criado 2020-07-21
3
AI-Efficiency/Awesome-Model-Quantization

Uma coleção selecionada de artigos, benchmarks, revisões e ferramentas sobre quantização de modelos, abrangendo redes de poucos bits, LLMs, modelos multimodais e generativos, quantização vetorial e de reticulado, e implantação eficiente.

AI-Efficiency
⭐ 2,471 👤 AI-Efficiency Organization 🕐 Atualizado 2026-11-16 📅 Criado 2018-10-18
4
666DZY666/micronet

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

666DZY666
⭐ 2,270 Python 👤 666DZY666 User 🕐 Atualizado 2025-05-06 📅 Criado 2019-12-04
5
IST-DASLab/gptq

Código para o artigo da ICLR 2023 "GPTQ: Quantização Pós-Treinamento Precisa de Transformers Generativos Pré-treinados".

IST-DASLab
⭐ 2,241 Python 👤 IST-DASLab Organization 🕐 Atualizado 2024-03-27 📅 Criado 2022-10-19
6
mit-han-lab/smoothquant

[ICML 2023] SmoothQuant: Quantização Pós-Treinamento Precisa e Eficiente para Grandes Modelos de Linguagem

mit-han-lab
⭐ 1,576 Python 👤 mit-han-lab Organization 🕐 Atualizado 2024-07-12 📅 Criado 2022-11-17
8
alibaba/TinyNeuralNetwork

TinyNeuralNetwork é um framework de compressão de redes neurais profundas eficiente e fácil de usar.

alibaba
⭐ 881 Python 👤 alibaba Organization 🕐 Atualizado 2026-03-03 📅 Criado 2021-11-02
9
nunchaku-ai/deepcompressor

Caixa de Ferramentas de Compressão de Modelos para Grandes Modelos de Linguagem e Modelos de Difusão

nunchux-ai
⭐ 799 Python 👤 nunchux-ai Organization 🕐 Atualizado 2025-08-14 📅 Criado 2024-05-06
10
SqueezeAILab/SqueezeLLM

[ICML 2024] SqueezeLLM: Quantização Densa e Esparsa

SqueezeAILab
⭐ 710 Python 👤 SqueezeAILab Organization 🕐 Atualizado 2024-08-13 📅 Criado 2023-06-12
11
microsoft/VPTQ

VPTQ, um algoritmo de quantização flexível e de bits extremamente baixos

microsoft
⭐ 683 Python 👤 microsoft Organization 🕐 Atualizado 2026-08-04 📅 Criado 2024-08-13

Perguntas Frequentes

1

Qual é o repositório de #post-training-quantization mais popular no GitHub?

O projeto de código aberto de #post-training-quantization mais bem classificado no GitHub é NVIDIA/Model-Optimizer, com 5,646 estrelas. Uma biblioteca unificada de técnicas de otimização de modelos SOTA, como quantização, destilação, poda (pruning), busca de arquitetura neural, decodificação especulativa, etc. Ela comprime modelos de aprendizado profundo para frameworks de implantação downstream como TensorRT-LLM, TensorRT, vLLM, etc., para otimizar a velocidade de inferência.

2

Quais linguagens de programação são mais usadas nos repositórios de #post-training-quantization?

Entre os projetos de #post-training-quantization mais bem classificados no GitHub, as linguagens de programação mais comuns são Python.

3

Como é calculada a classificação dos repositórios de #post-training-quantization?

Acompanhamos 12 repositórios ativos de código aberto marcados com #post-training-quantization (com mais de 500 estrelas), totalizando 21,589 estrelas e uma média de 1,799 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.