nunchaku
[ICLR2025 Spotlight] SVDQuant: Assorbire Outliers tramite Componenti a Basso Rango per Modelli di Diffusione a 4 Bit
Esegui un motore ad alte prestazioni per reti neurali a 4 bit per migliorare le capacità e le prestazioni del tuo modello AI.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoi[ICLR2025 Spotlight] SVDQuant: Assorbire Outliers tramite Componenti a Basso Rango per Modelli di Diffusione a 4 Bit
nunchaku ha 3.9k stelle su GitHub. È stato forkato 267 volte. nunchaku è scritto principalmente in Python. È in sviluppo attivo dal 2024. nunchaku è disponibile con licenza Apache-2.0. I suoi temi principali sono: comfyui, diffusion-models, flux, genai.
Che cos'è nunchaku?
[ICLR2025 Spotlight] SVDQuant: Assorbire Outliers tramite Componenti a Basso Rango per Modelli di Diffusione a 4 Bit
nunchaku è open source?
nunchaku è un progetto open source. È rilasciato con licenza Apache-2.0.
nunchaku è gratuito?
Sì. nunchaku è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è nunchaku?
nunchaku è disponibile con licenza Apache-2.0.
In quale linguaggio è scritto nunchaku?
nunchaku è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://olud.ai/project/nunchaku-ai-nunchaku.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.