GitHub Trending
nvidia/model-optimizer
A unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative decoding, etc. It compresses deep learning models for downstream deployment frameworks like TensorRT-LLM, TensorRT, vLLM, etc. to optimize inference speed.
説明は日本語要約またはGitHubの原文です。
現在の推移スコア
スター
5347
同期後 +56
コミット
68
選択期間内
活動中の貢献者
24
+0%
クローズ済みIssue
0
解決時間の入力値 168時間
記録された推移
日ごとの変化を確かめる。
日次の推移履歴を読み込み中です。
スコアの根拠
内訳まで確かめられるスコア。
各指標を重み付けして合計します。GitHubの上限付きサンプルであり、活動の全件数や採用実績を示すものではありません。
開発活動40.0 / 40 点
7日間にコミット 68件、作成PR 77件、クローズ済みIssue 0件をサンプル取得。
24 + 22 × ln(1 + 週換算の加重活動量)。活動量 = コミット + 作成PR × 2 + クローズ済みIssue。 指標を0〜100に収め、40%を掛けます。
貢献者の広がり25.0 / 25 点
7日間の貢献者サンプル 24人。貢献者増加率の入力値 0%。
24 + 25 × ln(1 + 貢献者 × √(7 / 日数)) + 増加率 × 0.15。増加率は30日間の窓から計算し、上限付きサンプルには中立値0を使用。 指標を0〜100に収め、25%を掛けます。
Issueの解決7.7 / 20 点
解決時間の入力値 168時間。
105 − 9 × log₂(1 + 時間)。クローズ済みIssueのサンプルであり初回応答時間ではありません。解決実績がない場合は168時間を使用。 指標を0〜100に収め、20%を掛けます。
リリース頻度9.8 / 15 点
リリース間隔の入力値 8日。
105 − リリース間隔（日） × 5。公開リリースが2件未満の場合は最後のpushからの経過時間を代用。 指標を0〜100に収め、15%を掛けます。
749 フォーク
派生プロジェクト
500 未解決Issue
コミュニティの要望
リリース間隔 8日
公開ペース