Awesome-Model-Quantization
Eine Liste von Arbeiten, Dokumenten und Codes zur Modellquantisierung. Dieses Repository soll Informationen zur Forschung über Modellquantisierung bereitstellen, wir verbessern das Projekt kontinuierlich. Willkommen, die Arbeiten (Papiere, Repositories), die im Repository fehlen, zu PR.
Eine Sammlung von Forschungsarbeiten und Ressourcen erkunden, die sich auf die Verbesserung der Modelleffizienz durch Quantisierung konzentrieren.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarEine Liste von Arbeiten, Dokumenten und Codes zur Modellquantisierung. Dieses Repository soll Informationen zur Forschung über Modellquantisierung bereitstellen, wir verbessern das Projekt kontinuierlich. Willkommen, die Arbeiten (Papiere, Repositories), die im Repository fehlen, zu PR.
Awesome-Model-Quantization hat 2.4k Sterne auf GitHub. Es wurde 242-mal geforkt. Es wird seit 2018 aktiv entwickelt. Die Hauptthemen sind: awesome, binarized-neural-networks, binary-network, deep-learning.
Was ist Awesome-Model-Quantization?
Eine Liste von Arbeiten, Dokumenten und Codes zur Modellquantisierung. Dieses Repository soll Informationen zur Forschung über Modellquantisierung bereitstellen, wir verbessern das Projekt kontinuierlich. Willkommen, die Arbeiten (Papiere, Repositories), die im Repository fehlen, zu PR.
Ist Awesome-Model-Quantization Open Source?
Awesome-Model-Quantization ist ein Open-Source-Projekt.
Ist Awesome-Model-Quantization kostenlos?
Ja. Awesome-Model-Quantization ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/ai-efficiency-awesome-model-quantization.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.