#pruning Repositórios
Descubra 20 repositórios ativos de código aberto no GitHub marcados com #pruning, acumulando um total de 47,055 estrelas (uma média de 2,352 por projeto). O líder deste tópico é datawhalechina/leedl-tutorial, com 16,879 estrelas.
20 repositórios no total
"Li Hongyi Deep Learning Tutorial" (Recomendado pelo Professor Li Hongyi 👍, Livro da Apple 🍎), endereço para download em PDF: https://github.com/datawhalechina/leedl-tutorial/releases
[CVPR 2023] DepGraph: Rumo a Qualquer Poda Estrutural; LLMs, Modelos Fundamentais de Visão, etc.
AIMET é uma biblioteca que fornece técnicas avançadas de quantização e compressão para modelos de redes neurais treinadas.
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
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
Curso prático sobre Grandes Modelos de Linguagem.
PaddleSlim é uma biblioteca de código aberto para compressão de modelos profundos e busca de arquitetura.
Um kit de ferramentas para otimizar modelos de ML para implantação para Keras e TensorFlow, incluindo quantização e poda.
Métodos de computação eficientes desenvolvidos pelo Huawei Noah's Ark Lab
[NeurIPS 2023] LLM-Pruner: Sobre a Poda Estrutural de Grandes Modelos de Linguagem. Suporte para Llama-3/3.1, Llama-2, LLaMA, BLOOM, Vicuna, Baichuan, TinyLlama, etc.
Um framework poderoso de compressão de modelos para LLMs e LVLMs, adaptado para GPUs NVIDIA e NPUs Huawei Ascend.
TinyNeuralNetwork é um framework de compressão de redes neurais profundas eficiente e fácil de usar.
[EMNLP 2024 & AAAI 2026] Um kit de ferramentas poderoso para compactar grandes modelos, incluindo LLMs, VLMs e modelos generativos de vídeo.
[ICLR 2024] LLaMA Aparado: Acelerando o Pré-treinamento de Modelos de Linguagem via Poda Estruturada
Resumo, Código para Quantização de Rede Neural Profunda
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 #pruning mais popular no GitHub?
O projeto de código aberto de #pruning mais bem classificado no GitHub é datawhalechina/leedl-tutorial, com 16,879 estrelas. "Li Hongyi Deep Learning Tutorial" (Recomendado pelo Professor Li Hongyi 👍, Livro da Apple 🍎), endereço para download em PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Quais linguagens de programação são mais usadas nos repositórios de #pruning?
Entre os projetos de #pruning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Go.
Como é calculada a classificação dos repositórios de #pruning?
Acompanhamos 20 repositórios ativos de código aberto marcados com #pruning (com mais de 500 estrelas), totalizando 47,055 estrelas e uma média de 2,352 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.