model-pruning
✓使用 Wanda 和 SparseGPT 等修剪技术减少 LLM 大小并加速推理。在无需重新训练的情况下压缩模型、以最小的精度损失实现 50% 的稀疏度或在硬件加速器上实现更快的推理时使用。涵盖非结构化剪枝、结构化剪枝、N:M 稀疏性、幅度剪枝和一次性方法。
SKILL.md
Key Techniques: Wanda (weights × activations), SparseGPT (second-order), structured pruning, N:M sparsity
Papers: Wanda ICLR 2024 (arXiv 2306.11695), SparseGPT (arXiv 2301.00774)
| Method | Accuracy Loss | Speed | Memory | Retraining Needed |
使用 Wanda 和 SparseGPT 等修剪技术减少 LLM 大小并加速推理。在无需重新训练的情况下压缩模型、以最小的精度损失实现 50% 的稀疏度或在硬件加速器上实现更快的推理时使用。涵盖非结构化剪枝、结构化剪枝、N:M 稀疏性、幅度剪枝和一次性方法。 来源：ovachiever/droid-tings。
可引用信息
为搜索与 AI 引用准备的稳定字段与命令。
- 安装命令
npx skills add https://github.com/ovachiever/droid-tings --skill model-pruning- 分类
- </>开发工具
- 认证
- ✓
- 收录时间
- 2026-02-01
- 更新时间
- 2026-02-18
快速解答
什么是 model-pruning？
使用 Wanda 和 SparseGPT 等修剪技术减少 LLM 大小并加速推理。在无需重新训练的情况下压缩模型、以最小的精度损失实现 50% 的稀疏度或在硬件加速器上实现更快的推理时使用。涵盖非结构化剪枝、结构化剪枝、N:M 稀疏性、幅度剪枝和一次性方法。 来源：ovachiever/droid-tings。
如何安装 model-pruning？
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/ovachiever/droid-tings --skill model-pruning 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code 或 Cursor 中使用
这个 Skill 的源码在哪？
https://github.com/ovachiever/droid-tings
详情
- 分类
- </>开发工具
- 来源
- skills.sh
- 收录时间
- 2026-02-01