معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

AtomQuant: Quantization For Human.

ویژگی	مقدار
سیستم عامل	-
نام فایل	atomquant-0.0.1
نام	atomquant
نسخه کتابخانه	0.0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Lucas Jin
ایمیل نویسنده	11@qq.com
آدرس صفحه اصلی	https://github.com/jinfagang/atomquant
آدرس اینترنتی	https://pypi.org/project/atomquant/
مجوز	-

# Atom Quant **Atom Quant** AKA: `aq` is a easy quantization lib supports most decent and fashion quantization method through `torch.fx`. Unlike original pytorch fx quantization support, we add a fully deploy chain from PTQ and QAT quantization to exporting onnx and then shiping to target inference framework. atomquant can be easily use to quant any model without a specific dataloader or evaluator, you can even evaluator quantization performance without any GT. We also support different quantization from vendor package, such as `onnxruntime`, `pytorch_quantization`, make it more easy to use and with fully examples. There are 3 main components in atomquant: - onnx: directly quantize on onnx model (via onnxruntime); - atom: Our built-in quantization method; - tensorrt: Quantization specific for convert to TensorRT engine usage; ## Install atomquant can be installed via: ``` pip install atomquant ``` ## Model Zoo Here, we provide some models quantized for coco, it devided into CPU use, or TensorRT use. Related training code also available: ## Examples 1. Quant Classification 2. Quant GPT3 3. Quant VITS 4. Quant AlphaPose 5. Quant YOLOv7

نحوه نصب

نصب پکیج whl atomquant-0.0.1:

pip install atomquant-0.0.1.whl

نصب پکیج tar.gz atomquant-0.0.1:

pip install atomquant-0.0.1.tar.gz