mit-han-lab
mit-han-lab 收錄中的開源專案，依星數排序。
- #1
[ICLR 2024] 具備 Attention Sinks 的高效串流語言模型
★ 7,268+0近 7 天星數變化 - #2★ 3,624+0近 7 天星數變化
- #3
高效的視覺基礎模型，用於高解析度生成與感知。
★ 3,356+0近 7 天星數變化 - #4
[ICCV 2019] TSM：用於高效率影片理解的時間位移模組
★ 2,222+0近 7 天星數變化 - #5
[ICML 2023] SmoothQuant：針對大型語言模型的精確且高效後訓練量化
★ 1,681+0近 7 天星數變化 - #6
基於 PyTorch 的量子經典模擬、量子機器學習、量子神經網路與參數化量子電路框架，支援輕鬆部署至真實量子電腦。
★ 1,663+0近 7 天星數變化 - #7
[MICRO'23, MLSys'22] TorchSparse: 用於 GPU 上稀疏卷積的高效訓練與推論框架。
★ 1,472+0近 7 天星數變化 - #8
[ICLR 2019] ProxylessNAS：針對目標任務與硬體的直接神經架構搜尋
★ 1,447+0近 7 天星數變化 - #9
[NeurIPS 2020] 用於提升資料效率的 GAN 訓練之可微分資料增強技術
★ 1,308+0近 7 天星數變化 - #10
[CVPR 2020] GAN 壓縮：互動式條件式 GAN 的高效架構
★ 1,115+0近 7 天星數變化 - #11
StreamingVLM：針對無限影片串流的即時理解
★ 1,077+2近 7 天星數變化 - #12★ 962+30近 7 天星數變化
- #13
TinyChatEngine：裝置端 LLM 推論庫
★ 961+0近 7 天星數變化 - #14
[NeurIPS 2020] MCUNet: IoT 裝置上的微型深度學習；[NeurIPS 2021] MCUNetV2: 適用於微型深度學習的記憶體高效率修補程式推論；[NeurIPS 2022] MCUNetV3: 256KB 記憶體限制下的裝置上訓練
★ 957+2近 7 天星數變化 - #15
[MLSys'25] QServe：用於高效 LLM 服務的 W4A8KV4 量化與系統共同設計；[MLSys'25] LServe：使用統一稀疏注意力的高效長序列 LLM 服務
★ 856+2近 7 天星數變化 - #16
[CVPR 2024 Highlight] DistriFusion：高解析度擴散模型的分散式平行推論
★ 728+0近 7 天星數變化 - #17
[IJCV] FastComposer：基於局部注意力機制的免微調多主體影像生成
★ 714-1近 7 天星數變化 - #18
[NeurIPS 2020] MCUNet：物聯網裝置上的輕量級深度學習；[NeurIPS 2021] MCUNetV2：針對物聯網輕量級深度學習具記憶體效率的 Patch 式推論。
★ 713+1近 7 天星數變化 - #19★ 649+0近 7 天星數變化
- #20
[NeurIPS 2025] 徑向注意力：用於長影片生成、具能量衰減機制的 O(nlogn) 稀疏注意力機制
★ 607+0近 7 天星數變化 - #21
支援混合稀疏模式的稀疏注意力核心 (Sparse Attention Kernel)。
★ 553+4近 7 天星數變化 - #22
[ICLR 2025] DuoAttention：透過檢索與串流 Head 實現高效的長文本 LLM 推論
★ 540+1近 7 天星數變化 - #23
記憶體佔用小於 256KB 的裝置端訓練 [NeurIPS'22]
★ 524+0近 7 天星數變化
