GitHub Copilot Enterprise-grade AI features Premium Support Enterprise-grade 24/7 support Pricing Search or jump to... Search code, repositories, users, issues, pull requests... Provide feedback We read every piece of feedback, and take your input very seriously. Include my email address...
spysqlhttps://github.com/dcmoura/spyqlNoCustom engineCSV, JSON, TEXTN/A, Not a single binary duckdbhttps://github.com/duckdb/duckdb?Custom engineCSV, Parquet35M Not included: clickhouse-local: fastest of anything listed here but so gigantic (over 2GB) that it can't reasonably be considered...
市面上类似的工具其实也有不少,作者也做了很细致的研究和分析,得出比较结论: dsq 目前是功能最为全面的,性能最极致的。 项目开源以来,已经在 github 上面获得了接近 3k 的 star。 功能展示 下面小妹来展示一下 dsq 都有哪些基本的功能。 1、读取单个文件 直接使用 dsq filename 或者 dsq filename "SELECT *...
https://github.com/multiprocessio/dsq#supported-data-types 1. 安裝 直接到GutHub的Releases下載執行檔,不用安裝。 2. 使用範例 dsq covid19.json "select * from {}" dsq --pretty covid19.json "select * from {}" | more dsq --pretty covid19.json "select count(1) from {}" dsq --prett...
$ go install github.com/multiprocessio/dsq@latest 1. dsq可能会在Go移植到的其他平台上工作,如AARC64和OpenBSD,但测试和构建仅在x86_64 Windows/Linux/macOS上运行。 Usage 您可以将数据管道传输到dsq,也可以将文件名传递给它。注意:管道数据在Windows上不起作用。
源码链接(非官方复现):https://github.com/ricky40403/DSQ 摘要 硬件友好的网络量化(如二进制/均匀量化)可以有效地加速推理,同时降低深度神经网络的内存消耗,这对于在资源有限的设备(如移动电话)上部署模型至关重要。然而,由于低比特量化的离散性,现有的量化方法往往面临训练过程不稳定和性能严重下降的问题。为了解决...
Git 命令在线学习 如何在 Gitee 导入 GitHub 仓库 Git 仓库基础操作 企业版和社区版功能对比 SSH 公钥设置 如何处理代码冲突 仓库体积过大,如何减小? 如何找回被删除的仓库数据 Gitee 产品配额说明 GitHub仓库快速导入Gitee及同步更新 什么是 Release(发行版) 将PHP 项目自动发布到 packagist.org 评论...
论文作者也开源了这个算法,具体链接请参考https://github.com/TheGreatCold/MQBench/blob/master/mqbench/fake_quantize/dsq.py。 这里多提一句,作者昊哥曾经开发了公司内部第一代量化训练框架 dirichlet,我之前也是通过阅读他们的代码学习到网络量化是怎么回事。后来由于 pytorch 发布了 FX,现在他们基于此开发了第二套...
HelloGitHub 22-12-4 17:51 发布于 浙江 来自 微博weibo.com dsq 可直接用 SQL 查询数据文件的命令行工具。通过该项目无需将数据导入数据库,就能用 SQL 查询文件内的数据,可执行模糊查询、计数、排序等命令,支持 JSON、CSV、Excel、Parquet、YAML 等类型的文件。还可以搭配其它命令行工具 (jq),实现更丰富的...
Training with Quantization Noise for Extreme Model Compression INCREMENTAL NETWORK QUANTIZATION: TOWARDS LOSSLESS CNNS WITH LOW-PRECISION WEIGHTS https://www.yuque.com/yahei/hey-yahei/quantization-retrain_improved_qat https://github.com/TheGreatCold/MQBench/tree/master/mqbench...