model-compression

Backbones de IA eficientes que incluyen GhostNet, TNT y MLP, desarrollados por Huawei Noah's Ark Lab.

Awesome Knowledge Distillation

[CVPR 2023] DepGraph: Hacia cualquier poda estructural; LLMs, modelos de cimentación de visión, etc.

Modelo de lenguaje preentrenado y sus técnicas de optimización relacionadas desarrollado por Huawei Noah's Ark Lab.

Una lista seleccionada de recursos de poda de redes neuronales.

Una lista de artículos, documentación y código sobre cuantización de modelos. Este repositorio busca proveer información para la investigación en cuantización y mejoramos continuamente. ¡Bienvenidas las contribuciones de trabajos faltantes!

micronet, una biblioteca de compresión y despliegue de modelos. compresión: 1. cuantificación: entrenamiento consciente de la cuantificación (QAT), de bits altos (>2b) (DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference), de bits bajos (≤2b)/ternaria y binaria (TWN/BNN/XNOR-Net); cuantificación posterior al entrenamiento (PTQ), de 8 bits (tensorrt); 2. poda: poda de canales convolucionales normal, regular y por grupos; 3. gru

Un conjunto de herramientas para optimizar modelos de ML para su despliegue en Keras y TensorFlow, incluyendo cuantización y poda.

Métodos de computación eficiente desarrollados por Huawei Noah's Ark Lab

Poda de canales para acelerar redes neuronales muy profundas (ICCV'17)

[CVPR 2024] DeepCache: Aceleración gratuita para modelos de difusión.

Colección de métodos recientes sobre compresión y aceleración de redes neuronales (profundas)

TinyNeuralNetwork es un framework de compresión de modelos de aprendizaje profundo eficiente y fácil de usar.

Lista de artículos relacionados con la cuantización de redes neuronales en conferencias y revistas de IA recientes.

[ICML 2024] SqueezeLLM: Cuantización densa y dispersa

Recopilación de artículos de investigación, cuantización, herramientas y material de aprendizaje sobre compresión de modelos de machine learning.