intel-neural-compressor

Par mkurman · zorai

Intel Neural Compressor — Quantification LLM low-bit de pointe (INT8/FP8/INT4/NVFP4), sparsité, élagage et distillation pour PyTorch, TensorFlow et ONNX Runtime.

npx skills add https://github.com/mkurman/zorai --skill intel-neural-compressor

Aperçu

Intel Neural Compressor fournit la quantification bas-bit (INT8, FP8, INT4, MXFP4, NVFP4), la sparsité, l'élagage et la distillation de connaissances pour optimiser les modèles sur le matériel Intel et au-delà.

Installation

uv pip install neural-compressor

Quantification de base

from neural_compressor import Quantization, config

# Post-training quantization
quantizer = Quantization(config)
q_model = quantizer(model)
q_model.save("quantized_model")

Élagage

from neural_compressor import Pruning

pruner = Pruning(model, config={"pruning_type": "snip_momentum", "target_sparsity": 0.3})
pruned_model = pruner.fit()

Références

Skills similaires