프로젝트
GitHub에서 보기
LISTENAI/linger
LISTENAI/linger has 33 GitHub stars and 5 forks. GitHot measured 0 stars in 24 hours and 0 in 7 days. Last checked 2026-11-20 11:59 UTC. Last push 2026-11-09.
측정된 스타 증가
- in 24h
- 0
- in 7 days
- 0
- in 15 days
- 기록 수집 중
- in 1 month
- 기록 수집 중
서로 겹치는 기간의 순증가량이며 일별 합계가 아닙니다. 측정값이 없으면 비워 둡니다. 스타는 관심도를 나타내며 품질을 보장하지 않습니다.
소개
a CSK serial based train tools, rely on pytorch
머신러닝README.md
OriginalEnglish | 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
