首页
/ 高通 AI 中心模型项目教程

高通 AI 中心模型项目教程

2024-08-25 20:13:21作者:卓艾滢Kingsley

项目目录结构及介绍

高通 AI 中心模型项目(Qualcomm® AI Hub Models)是一个集合了多种优化过的机器学习模型的开源项目,旨在提供高性能的模型部署解决方案。项目的目录结构如下:

ai-hub-models/
├── models/
│   ├── baichuan_7b_quantized/
│   ├── llama_v2_7b_chat_quantized/
│   ├── llama_v3_8b_chat_quantized/
│   ├── huggingface_wavlm_base_plus/
│   ├── whisper_base_en/
│   ├── whisper_small_en/
│   ├── whisper_tiny_en/
│   ├── trocr/
│   ├── openai_clip/
│   ├── controlnet_quantized/
│   ├── riffusion_quantized/
│   ├── stable_diffusion_v1_5_quantized/
│   ├── stable_diffusion_v2_1_quantized/
│   ├── convnext_tiny/
│   ├── convnext_tiny_w8a16_quantized/
│   ├── convnext_tiny_w8a8_quantized/
│   ├── densenet121/
│   ├── efficientnet_b0/
│   ├── googlenet/
│   ├── googlenet_quantized/
│   ├── inception_v3/
│   ├── inception_v3_quantized/
│   ├── mnasnet05/
├── README.md
├── LICENSE

目录结构说明

  • models/:包含所有优化过的机器学习模型。
    • baichuan_7b_quantized/:Baichuan-7B 量化模型。
    • llama_v2_7b_chat_quantized/:Llama-v2-7B-Chat 量化模型。
    • llama_v3_8b_chat_quantized/:Llama-v3-8B-Chat 量化模型。
    • huggingface_wavlm_base_plus/:Hugging Face WavLM Base Plus 模型。
    • whisper_base_en/:Whisper Base En 模型。
    • whisper_small_en/:Whisper Small En 模型。
    • whisper_tiny_en/:Whisper Tiny En 模型。
    • trocr/:TrOCR 模型。
    • openai_clip/:OpenAI Clip 模型。
    • controlnet_quantized/:ControlNet 量化模型。
    • riffusion_quantized/:Riffusion 量化模型。
    • stable_diffusion_v1_5_quantized/:Stable Diffusion v1.5 量化模型。
    • stable_diffusion_v2_1_quantized/:Stable Diffusion v2.1 量化模型。
    • convnext_tiny/:ConvNext Tiny 模型。
    • convnext_tiny_w8a16_quantized/:ConvNext Tiny w8a16 量化模型。
    • convnext_tiny_w8a8_quantized/:ConvNext Tiny w8a8 量化模型。
    • densenet121/:DenseNet-121 模型。
    • efficientnet_b0/:EfficientNet-B0 模型。
    • googlenet/:GoogLeNet 模型。
    • googlenet_quantized/:GoogLeNet 量化模型。
    • inception_v3/:Inception-v3 模型。
    • inception_v3_quantized/:Inception-v3 量化模型。
    • mnasnet05/:MNASNet0.5 模型。
  • README.md:项目说明文档。
  • LICENSE:项目许可证文件。

项目启动文件介绍

项目的启动文件通常位于每个模型的目录中,例如 models/baichuan_7b_quantized/ 目录下可能包含启动该模型的脚本文件。具体启动文件的名称和内容会根据不同模型有所不同,但通常会包含以下内容:

  • 模型加载代码
  • 输入
热门项目推荐
相关项目推荐

项目优选

收起
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
33
24
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
828
0
redis-sdkredis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
376
32
advanced-javaadvanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.92 K
19.09 K
qwerty-learnerqwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.62 K
1.45 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
19
2
杨帆测试平台杨帆测试平台
扬帆测试平台是一款高效、可靠的自动化测试平台,旨在帮助团队提升测试效率、降低测试成本。该平台包括用例管理、定时任务、执行记录等功能模块,支持多种类型的测试用例,目前支持API(http和grpc协议)、性能、CI调用等功能,并且可定制化,灵活满足不同场景的需求。 其中,支持批量执行、并发执行等高级功能。通过用例设置,可以设置用例的基本信息、运行配置、环境变量等,灵活控制用例的执行。
JavaScript
9
1
Yi-CoderYi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
57
7
RuoYi-VueRuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
147
26
markdown4cjmarkdown4cj
一个markdown解析和展示的库
Cangjie
10
1