Bringing Nunchaku 4-bit Diffusion Inference to Diffusers
Artikelbild eller återanvändbart omslag för Hugging Face
Hugging Face har integrerat Nunchaku, en teknik för att göra bildgenereringsmodeller snabbare och mindre minnesintensiva, direkt i sitt Diffusers-bibliotek.
Nunchaku använder en metod kallad SVDQuant som komprimerar både vikterna och beräkningarna i modellen till 4-bitar, vilket minskar minnesanvändningen med upp till 50 procent samtidigt som det gör genereringen omkring 30 procent snabbare. Med den nya integrationen kan utvecklare ladda dessa optimerade modeller med en enkel kommando utan att behöva installera separata verktyg eller kompilera kod lokalt.
SVDQuant, the quantization method behind the popular Nunchaku inference engine, takes a different approach. It runs the main transformer layers with 4-bit weights and activations (W4A4), reducing memory while also speeding up the denoising loop.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör Hugging Face.
Mer att läsa
The Agent Said It Was Done. The Database Disagreed.
Hugging Face 4 okt.
Server-Side Code Execution Tools for AI Agents, Compared
OpenRouter för 10 tim sedan
v0.40.0
Ollama för 10 tim sedan
Google froze its open source bug bounty program due to a ‘significant rise’ in AI submissions
TechCrunch AI för 14 tim sedan