SpAtten
[HPCA'21] SpAtten: Efficient Sparse Attention Architecture with Cascade Token and Head Pruning
Model DeploymentMLOps & Experiment TrackingOpen Source
About
Proponiamo attenzione sparsa (SpAtten) con potatura dei token KV, potatura locale di V, potatura della testa e quantizzazione progressiva di KV per migliorare l'efficienza degli LLM.
Open Source Health
- Stars
- 140
- Forks
- 11
- License
- MIT
- Last commit
- 2 years ago
Scala
Alternative a SpAtten
Once For Allby MIT HAN Lab[ICLR 2020] Una volta per tutti: Allena una rete e specializzala per un deployment efficiente
CHaiDNNby XilinxLibreria acceleratrice di reti neurali profonde basata su HLS per Xilinx Ultrascale+ MPSoCs- SoulX-FlashTalkby Soul AI LabSoulX-FlashTalk è il primo modello da 14B a raggiungere una latenza di avvio sotto un secondo (0,87 s) mantenendo un throughput in tempo reale di 32 FPS su un nodo 8xH800.
Ts Patternby Gabriel VergnaudLa libreria di Pattern Matching esaustiva per TypeScript, con inferenza di tipo intelligente.
Nobodywhoby NobodyWhoNobodyWho è un motore di inferenza che ti consente di eseguire LLM localmente e in modo efficiente su qualsiasi dispositivo.
Resources & Links
Related Categories
Usi SpAtten?
Tieni traccia del suo costo insieme al resto del tuo stack e ricevi un promemoria prima del rinnovo.
Aggiungi al mio stackVendor
MIT HAN Lab
Efficient AI Computing. PI: Song Han
