プロジェクト
LISTENAI/linger has 33 GitHub stars and 5 forks. GitHot measured 0 stars in 24 hours and 0 in 7 days. Last checked 2026-11-21 08:01 UTC. Last push 2026-11-09.
計測したスター増加
- 24時間
- 0
- 7日間
- 0
- 15日間
- 履歴を収集中
- 1か月
- 履歴を収集中
期間ごとの純増数です。期間は重複しており、日別の値ではありません。未計測の値は空欄です。スター数は注目度の指標であり、品質の保証ではありません。
概要
a CSK serial based train tools, rely on pytorch
機械学習README.md
オリジナルEnglish | 简体中文
方案简介
linger基于PyTorch对聆思IOT系列芯片进行深度定制,在神经网络训练的前向过程中将激活和权重量化到8bit,通过参数调整得到量化无损的8bit模型

技术亮点
1. 易用性高
linger 是基于 PyTorch 的量化方案,在原始浮点训练代码中加入一行 linger 相关代码即可完成进行量化算子的替换,使用原始的训练流程即可完成量化训练,无需其他复杂设置
2. 拓展性好
linger 基于 PyTorch 进行量化算子的搭建,因此只要符合 PyTorch 拓展算子的规范,你可以添加任何量化算子到 linger 中来完成你的量化需求
快速入门
- 开发环境配置:支持pip、源码、docker三种安装方式
- 量化训练快速入门: 先进行浮点网络的约束训练,再针对量化友好的浮点模型进行量化训练微调
- 量化训练进阶指导: 量化进阶配置
- 量化分布分析工具使用指南:分析权重、偏置和激活分布,生成可交互的离线 HTML 报告
- 混合精度量化与局部调优: YAML part、子模块约束/量化配置和效果调优流程
- TQT量化训练完整指南: TQT配置、校准、阈值训练、效果优化、checkpoint恢复和完整导图流程
- onnx导出教程:将量化无损的PyTorch模型导出为ONNX格式的模型
能力展示
常见问题
版本说明
- 请参考RELEASE
