Bibliothek zur Komprimierung von Deep-Learning-Modellen
NVIDIA Model Optimizer ist eine Bibliothek, die Deep-Learning-Modelle durch Techniken wie Quantisierung (Quantization), Wissensdestillation (Distillation) und Pruning (Budama) komprimiert. Dieses Tool bereitet Modelle für den Einsatz in Inferenz-Engines wie TensorRT-LLM vor, um die Inferenzgeschwindigkeit zu erhöhen.
Aktualisierungen
- 27. September 2026: Sterne 4,563 → 4,910, neueste Version 0.47.0 (23. September 2026).
Was es bringt
- schnelle Ausführung durch Quantisierung und Pruning
- Verkleinerung der Modellgröße
- kompatibler Export mit KI-Ökosystemen
Installation
pip install -U nvidia-modelopt[all]Wenn Sie nicht programmieren
Ich möchte Deep-Learning-Modelle mithilfe der NVIDIA Model Optimizer-Bibliothek komprimieren und optimieren. Kannst du mir erklären, wie dieses Tool installiert wird und welche Schritte ich befolgen muss, um die Modelle zu beschleunigen?
Repository: https://github.com/NVIDIA/Model-Optimizer. Richte dich bei der Installation und Ausführung nach den offiziellen Anweisungen in der README-Datei dieses Repositorys.
Prüfe vor dem Start, unter welchem Betriebssystem wir arbeiten und ob die notwendigen Tools (z. B. Python, Node.js, Git, Docker) installiert sind. Installiere fehlende Tools schrittweise entsprechend diesem System.
Erstelle einen neuen, leeren Ordner für die Arbeit. Rühre keine Dateien außerhalb dieses Ordners an und lösche nichts. Sag mir vor jedem Befehl in einem Satz, was du tun wirst.
Sag mir, was ich am Ende jedes Schrittes auf dem Bildschirm sehen sollte. Wenn ein Fehler auftritt, füge ich die Fehlermeldung exakt so ein, wie sie ist, und wir beheben sie gemeinsam.
Verwandte Begriffe aus dem Glossar
Links
TreScout hat dieses Werkzeug nicht entwickelt · wir haben es in den GitHub-Trends gefunden und stellen es vor. Diese Seite beschreibt das Repository so, wie es am 2026-09-25 war: Die Anzahl der Sterne und unser Text stammen von diesem Tag, das Repository kann sich seitdem geändert haben. Den aktuellen Stand finden Sie über den Link zum Repository. Der Präsentationstext wurde mit KI aus der eigenen Dokumentation des Repositories erstellt und diese Seite wurde maschinell übersetzt aus dem türkischen Original · maßgeblich ist die türkische Fassung.