项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
技术标签
使用教程
—
环境要求
- 已安装 Python(README 建议用 venv 或 conda 虚拟环境隔离安装)
- 可访问 PyPI,能执行 pip install 安装 PyPI 包
- 从 Hugging Face 下载模型时需用到 huggingface_hub 及其缓存目录
- Windows 用户需处理 huggingface_hub 符号链接限制(开发者模式/管理员权限/改缓存目录)
- 按目标硬件(CPU/GPU/NPU)准备对应的 ONNX Runtime 运行时环境
安装与启动步骤
-
1创建虚拟环境
README 推荐在虚拟环境或 conda 环境中安装 Olive,避免污染系统 Python 环境。
python -m venv olive-env source olive-env/bin/activate -
2安装 Olive CLI
用 pip 安装 olive-ai 包,这是 Olive 的命令行工具本体。
pip install olive-ai -
3安装配套依赖
README 明确要求同时安装 transformers 和 onnxruntime-genai,供模型下载与 ONNX Runtime 推理使用。
pip install transformers onnxruntime-genai -
4处理 Windows 警告
Windows 上 huggingface_hub 缓存符号链接会报警告,可设置环境变量抑制;接受额外磁盘占用即可。
$env:HF_HUB_DISABLE_SYMLINKS_WARNING=1 -
5尝试推理示例
README 指向 onnxruntime-genai 仓库中的 model-chat.py 示例聊天程序,可作为推理上手参考;更多示例已迁至 olive-recipes 仓库。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
HF_HUB_DISABLE_SYMLINKS_WARNING | 否 | Windows 上抑制 huggingface_hub 符号链接警告(会占用更多磁盘) | 1 |
olive/olive_config.json | 否 | 查看 Olive 可选依赖(extras)及其依赖列表,按需安装扩展功能 | olive/olive_config.json |
如何确认成功
执行 pip show olive-ai 能看到 Olive 的版本与安装位置信息,说明 CLI 包已装好。
常见问题
Q:安装 Olive 后想启用额外功能怎么办?
A:Olive 提供可选依赖包,README 提示参考 olive/olive_config.json 中的 extras 列表,按需安装对应扩展依赖即可。
Q:Windows 下出现 huggingface_hub 符号链接警告如何处理?
A:可选 4 种方式:开启 Windows 开发者模式、以管理员身份运行 Python、重新配置缓存目录,或设置 HF_HUB_DISABLE_SYMLINKS_WARNING=1 抑制警告并接受额外磁盘占用。
Q:README 的 Quickstart 里示例代码在哪?
A:示例已迁移到 microsoft/olive-recipes 仓库;推理示例可看 onnxruntime-genai 仓库的 examples/python/model-chat.py。
Q:Olive 支持 NPU 吗?
A:支持。README 新闻提到 Olive 0.9.0 版本已加入对 NPU 的支持,并按目标硬件组合优化技术。
注意事项
- README 的 Quickstart 只给出第 1 节和第 3 节,缺少第 2 节,完整流程请以官网 microsoft.github.io/Olive 文档为准。
- 请勿在系统全局环境中直接安装,README 明确建议使用 venv 或 conda 环境。
- README 未提供量化/转换等具体配置命令,配置需参考官网文档与 olive-recipes 仓库示例。
核心亮点
- 声明式 JSON 工作流把转换、量化、优化、评估串成可复现流水线,减少手工脚本
- 官方支持 CPU/GPU/NPU 多后端,覆盖 ONNX Runtime、OpenVINO、DirectML、TensorRT 等
- 内置 AWQ、GPTQ、动态/静态量化等算法,并自动对比优化前后精度与性能
不足之处
- 配置项和硬件组合较多,新手理解工作流概念有一定门槛
- 部分 NPU/加速器后端依赖特定驱动和版本,环境配置成本不低
适用场景
- 把 Hugging Face 大模型量化后部署到 AI PC 或边缘 NPU 设备
- 在 CPU/GPU 上对模型做 ONNX 转换与图优化以降低推理延迟
- 团队需要可复现的模型压缩流水线,替代零散的手工量化脚本
替代项目
ONNX Runtime、OpenVINO、NVIDIA TensorRT
上一篇:optimum-quanto
下一篇:aimet
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列,训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性,长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型,练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型,推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···
