从 65,714 个高星开源项目里，
找到你要的下一个。

《李宏毅深度学习教程》（李宏毅老师推荐👍，苹果书🍎），PDF下载地址：https://github.com/datawhalechina/leedl-tutorial/releases

《李宏毅深度学习教程》（李宏毅老师推荐👍，苹果书🍎），PDF下载地址：https://github.com/datawhalechina/leedl-tutorial/releases

Torch-Pruning 是用 Python 编写的 AI 工具，用于人工智能方向的建模与推理。

[CVPR 2023] DepGraph: Towards Any Structural Pruning; LLMs, Vision Foundation Models, etc.

deepsparse 是用 Python 编写的 AI 工具，用于大模型与智能体应用开发。

Sparsity-aware deep learning inference runtime for CPUs

aimet 是用 Python 编写的 AI 工具，用于人工智能方向的建模与推理。

AIMET is a library that provides advanced quantization and compression techniques for trained neural network models.

neural-compressor 是用 Python 编写的 AI 模型，提供可直接使用的模型与权重。

SOTA low-bit LLM quantization (INT8/FP8/MXFP8/INT4/MXFP4/NVFP4) & sparsity; leading model compression techniques on PyTorch, TensorFlow, and ONNX Ru…

Awesome-Pruning 是一个资源清单，按主题汇总同类优质资源。

A curated list of neural network pruning resources.

sparseml 是用 Python 编写的学习资料，用于系统学习与查阅，主打速度快。

Libraries for applying sparsification recipes to neural networks with a few lines of code, enabling faster and smaller models

autorestic 是用 Go 编写的命令行工具，在终端中直接使用，主打易用。

Config driven, easy backup cli for restic.

Large-Language-Model-Notebooks-Course 是用 Jupyter Notebook 编写的数据库工具，用于数据存储与查询。

Practical course about Large Language Models.

mmrazor 是用 Python 编写的开源项目，主题标签有限，建议打开仓库查看具体用途。

OpenMMLab Model Compression Toolbox and Benchmark.

PaddleSlim 是用 Python 编写的 AI 工具，用于人工智能方向的建模与推理，主打开源免费。

PaddleSlim is an open-source library for deep model compression and architecture search.

model-optimization 是用 Python 编写的 AI 工具，用于人工智能方向的建模与推理。

A toolkit to optimize ML models for deployment for Keras and TensorFlow, including quantization and pruning.

Efficient-Computing 是用 Jupyter Notebook 编写的 AI 工具，用于人工智能方向的建模与推理。

Efficient computing methods developed by Huawei Noah's Ark Lab

nncf 是用 Python 编写的 AI 工具，用于人工智能方向的建模与推理。

Neural Network Compression Framework for enhanced OpenVINO™ inference

LLM-Pruner 是用 Python 编写的学习资料，用于系统学习与查阅。

[NeurIPS 2023] LLM-Pruner: On the Structural Pruning of Large Language Models. Support Llama-3/3.1, Llama-2, LLaMA, BLOOM, Vicuna, Baichuan, TinyLl…