Olive

一条配置流水线,把模型量化优化到各种硬件上跑

开源 free 模型训练
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 2399
维护状态 活跃
是否开源 是
定价模式 free

项目预览

项目数据

分类模型训练
开发团队microsoft
所属国家
定价模式free
价格说明开源免费,微软维护的模型优化工具链
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型
GitHub 星标★ 2399
30天Star增速
HF 下载量
上线时间2019-08-12 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-17
浏览次数0

项目介绍

Olive 是微软开源的模型优化与部署工具链,面向 CPU、GPU、NPU 等不同硬件,把模型微调、格式转换、量化、图优化和推理加速整合成一条可复用的工作流。它解决的核心问题是:同一模型要在多种硬件和运行时上落地时,手工组合 ONNX Runtime、OpenVINO、DirectML、TensorRT 等工具非常繁琐,且量化与优化配置难以复现。Olive 通过声明式 JSON 配置描述流程,自动完成模型下载、转换、量化、评估与打包,并支持 Hugging Face、PyTorch、ONNX 等来源模型。它内置多种量化算法(如 AWQ、GPTQ、动态/静态量化)和硬件加速器,还能对优化前后模型做精度与性能对比,帮助开发者在边缘设备、AI PC 和云端快速得到可部署的高效模型。

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

正在加载星标数据…

技术标签

使用教程

—

难度:入门 约 10 分钟 部署方式:命令行工具 5 步

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. 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. 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. 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. 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. 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)

★ 729 2026-08-09
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···

★ 464 2026-08-09
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!

★ 63828 2026-08-09
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···

★ 1317 2026-08-13