Awesome-AutoML-and-Lightweight-Models

GitHub
856 161 较难 1 次阅读 2周前开发框架
AI 解读 由 AI 自动生成，仅供参考

Awesome-AutoML-and-Lightweight-Models 是一个专注于自动化机器学习（AutoML）与轻量级模型的高质量开源资源库。它系统性地整理了该领域最新的研究成果，涵盖神经架构搜索（NAS）、轻量化网络结构、模型压缩与量化加速、超参数优化以及自动特征工程等五大核心方向。

在深度学习模型日益庞大、部署难度增加的背景下，该项目致力于解决如何高效设计高性能且低资源消耗的模型难题。通过汇集包括 DARTS、ProxylessNAS、FBNet 等经典论文及其对应的代码实现，它为研究者提供了从理论到实践的一站式参考，帮助快速复现前沿算法或寻找创新灵感。

这份资源特别适合人工智能领域的研究人员、算法工程师及开发者使用。无论是希望深入探索自动架构搜索机制的学者，还是需要在移动端或嵌入式设备上部署高效模型的工程团队，都能从中获益。其独特亮点在于不仅罗列文献，更强调“最新”与“高质量”，并明确标注了论文发表的顶级会议（如 CVPR、ICLR、NIPS）及开源代码链接，极大降低了技术调研与入门的门槛，是连接学术前沿与工业落地的实用桥梁。

使用场景

某边缘计算团队正致力于将高精度缺陷检测模型部署到算力受限的工业摄像头中，面临模型过大与推理延迟高的双重挑战。

没有 Awesome-AutoML-and-Lightweight-Models 时

  • 架构设计盲目：工程师只能凭经验手动调整网络层数与卷积核大小，反复试错数周仍难以在精度与速度间找到平衡点。
  • 压缩技术分散：模型剪枝、量化和加速算法散落在不同论文中，缺乏系统整理，导致技术选型困难且复现成本极高。
  • 硬件适配低效：由于缺少针对特定硬件（如 ARM 芯片）的感知搜索方案，模型在服务器训练表现良好，但在端侧设备推理延迟远超预期。
  • 超参调优耗时：人工网格搜索超参数效率低下，消耗大量 GPU 资源却往往陷入局部最优，无法自动化挖掘最佳配置。

使用 Awesome-AutoML-and-Lightweight-Models 后

  • 智能架构搜索：直接复用库中收录的 ProxylessNAS 或 FBNet 等方案，快速搜索出专为该工业场景定制的轻量化网络，研发周期从数周缩短至几天。
  • 技术一站式获取：通过分类清晰的列表，迅速定位并集成最新的模型压缩与量化代码，大幅降低了算法落地门槛。
  • 硬件感知优化：利用库中硬件感知的神经架构搜索（Hardware-Aware NAS）工作，确保生成的模型在目标摄像头芯片上实现毫秒级推理。
  • 自动化调优：应用收录的自动超参数优化与特征工程方法，以极少的人工干预自动获得比人工调优更优的模型性能。

Awesome-AutoML-and-Lightweight-Models 通过聚合前沿的自动化搜索与轻量化技术，让资源受限场景下的高性能模型部署变得高效且可执行。

运行环境要求

操作系统
  • 未说明
GPU

未说明（部分列出的项目如 NAS 和轻量级模型训练通常建议或需要 NVIDIA GPU，但具体型号和显存未在文档中规定）

内存

未说明

依赖
notes该仓库是一个资源列表（Awesome List），汇集了 AutoML 和轻量级模型相关的论文与开源项目代码链接，本身不是一个单一的可执行工具。因此没有统一的运行环境要求。具体的环境需求（如操作系统、GPU、Python 版本、依赖库版本等）需参考列表中各个独立项目（如 DARTS, EfficientNet, ProxylessNAS 等）的原始仓库说明。列出的主要框架包括 PyTorch, TensorFlow, Caffe 和 Keras。
python未说明
Pytorch
Tensorflow
Caffe
Keras
Python
Awesome-AutoML-and-Lightweight-Models hero image

快速开始

令人惊叹的AutoML与轻量级模型

一份高质量（最新）的AutoML研究成果和轻量级模型列表，包括1.) 神经架构搜索、2.) 轻量级网络结构、3.) 模型压缩、量化与加速、4.) 超参数优化、5.) 自动化特征工程。

本仓库旨在为AutoML研究（尤其是轻量级模型）提供信息。欢迎提交未收录的相关工作（论文、代码库）以供补充。

1.) 神经架构搜索

[论文]

梯度法：

强化学习：

进化算法：

SMBO：

随机搜索：

超网络：

贝叶斯优化：

偏序剪枝：

知识蒸馏：

[项目]

2.) 轻量化结构

[论文]

图像分类：

语义分割：

目标检测：

3.) 模型压缩与加速

[论文]

剪枝：

量化：

知识蒸馏

加速：

[项目]

[教程/博客]

4.) 超参数优化

[论文]

[项目]

[教程/博客]

5.) 自动化特征工程

模型分析工具

参考文献

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

★ 349.3k|★★★☆☆|3天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。

★ 162.1k|★★★☆☆|4天前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上

★ 146.8k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。

★ 108.1k|★★☆☆☆|今天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器

★ 93.4k|★★☆☆☆|2天前
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备

★ 90.1k|★★★☆☆|2天前
语言模型图像Agent