Hardware Aware Transformers
vonMIT HAN Lab
[ACL'20] HAT: Hardware-Aware Transformers for Efficient Natural Language Processing
KI-ÜbersetzungOpen Source KI & Maschinelles LernenOpen Source
Über
Wir veröffentlichen den PyTorch-Code und 50 vortrainierte Modelle für HAT: Hardware-Aware Transformers. Innerhalb eines Transformer-Supernetzes (SuperTransformer) suchen wir effizient nach einem spezialisierten schnellen Modell (SubTransformer) für jede Hardware mit Rückmeldung zur Latenz. Die Suchkosten werden um über 10000× reduziert.
Open Source Health
- Stars
- 337
- Forks
- 50
- License
- Not stated
- Last commit
- 2 years ago
Python
Alternativen zu Hardware Aware Transformers
- Localazyvon LocalazyLocalazy automatisiert Übersetzungen mit kontextbewusster KI und hält Menschen in der Kontrolle über die Qualität.
- Lokalisevon LokaliseWeltklasse AI-Lokalisierungsplattform
The Algorithmvon TwitterQuellcode für den X Recommendation Algorithm.
Recommendersvon TensorFlowTensorFlow Recommenders ist eine Bibliothek zum Erstellen von Empfehlungsmodell-Systemen mit TensorFlow.- RPG_KDD2025von FacebookresearchDieses Repository bietet den Code zur Implementierung von RPG, wie in unserem KDD'25-Paper "Generierung von langen semantischen IDs in Parallel für Empfehlungen" beschrieben.
Ressourcen & Links
Verwandte Kategorien
Nutzt du Hardware Aware Transformers?
Behalte die Kosten neben dem Rest deines Stacks im Blick und lass dich vor der Verlängerung erinnern.
Zu meinem Stack hinzufügenAnbieter
MIT HAN Lab
Efficient AI Computing. PI: Song Han
