Once For All
vonMIT HAN Lab
[ICLR 2020] Once for All: Train One Network and Specialize it for Efficient Deployment
ModellbereitstellungMLOps & ExperimentverfolgungOpen Source
Über
OFA ist eine effiziente AutoML-Technik, die das Modelltraining von der Architektursuche entkoppelt. Trainiere nur einmal und spezialisiere für viele Hardware-Plattformen, von CPU/GPU bis hin zu Hardware-Beschleunigern. OFA erreicht eine neue SOTA von 80,0 % Top-1-Genauigkeit auf ImageNet unter den mobilen Bedingungen (<600M FLOPs).
Open Source Health
- Stars
- 1,955
- Forks
- 345
- License
- MIT
- Last commit
- 3 years ago
Python
Alternativen zu Once For All
CHaiDNNvon XilinxHLS-basierte Beschleunigerbibliothek für tiefe neuronale Netzwerke für Xilinx Ultrascale+ MPSoCs- SoulX-FlashTalkvon Soul AI LabSoulX-FlashTalk ist das erste 14B-Modell, das eine Startlatenz von unter einer Sekunde (0,87 s) erreicht und gleichzeitig einen Echtzeit-Durchsatz von 32 FPS auf einem 8xH800-Knoten beibehält.
Ts Patternvon Gabriel VergnaudDie umfassende Pattern Matching-Bibliothek für TypeScript mit intelligenter Typinferenz.
Nobodywhovon NobodyWhoNobodyWho ist eine Inferenz-Engine, mit der du LLMs lokal und effizient auf jedem Gerät ausführen kannst.
ds4von Salvatore SanfilippoDeepSeek 4 Flash und PRO lokale Inferenz-Engine für Metal, CUDA und ROCm
Ressourcen & Links
Verwandte Kategorien
Nutzt du Once For All?
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
