Model Pruning

orchestra-research/ai-research-skills/19-emerging-techniques/model-pruning

作者 orchestra-research773a52944ba4MIT13K 個星標收錄於 2026年10月8日更新於 2026年10月8日儲存庫3 個月前更新

Reduce LLM size and accelerate inference using pruning techniques like Wanda and SparseGPT. Use when compressing models without retraining, achieving 50% sparsity with minimal accuracy loss, or enabling faster inference on hardware accelerators. Covers unstructured pruning, structured pruning, N:M sparsity, magnitude pruning, and one-shot methods.

僅含說明AI & Agents
  1. 773a52944ba4目前提交 773a529發布於 2026年10月8日

來源與署名

來源:orchestra-research/ai-research-skills位於19-emerging-techniques/model-pruning提交773a529

授權條款: MIT

內容歸原作者所有。SourceWeft 從公開儲存庫中收錄這些內容。

檢舉或申請下架