emerging-techniques-model-pruning — скилл для Claude Code
Скилл помогает сжать языковую модель с помощью Wanda, SparseGPT и других методов прореживания. Пригодится для уменьшения числа весов без повторного обучения.
npx claude-code-templates@latest --skill ai-research/emerging-techniques-model-pruningЧто делает emerging-techniques-model-pruning
Скилл объясняет прореживание весов языковых моделей: от удаления весов с малым модулем до методов Wanda и SparseGPT, которые учитывают активации или второпорядковую информацию. В примерах также показаны структурное прореживание и шаблон N:M, где сохраняется заданное число весов в каждой группе.
Внутри есть примеры кода для сбора статистики активаций, применения маски и сохранения модели. Для примеров названы зависимости torch и transformers; калибровочные данные используются при работе Wanda и SparseGPT. Учтите различие: обычное неструктурное разреживание не даёт аппаратного ускорения, а регулярный шаблон N:M рассчитан на поддержку ускорителей.
Какие задачи решает
- сжать веса языковой модели без повторного обучения
- оценить веса по активациям перед удалением
- применить шаблон N:M к слоям модели
- подготовить прореженную модель к сохранению
Примеры запросов агенту
- Покажи, как применить Wanda к этой языковой модели и сохранить результат.
- Сравни прореживание по модулю весов с методом SparseGPT для моей модели.
- Добавь к коду пример структурного прореживания N:M.
Как установить emerging-techniques-model-pruning
1Через claude-code-templates
npx claude-code-templates@latest --skill ai-research/emerging-techniques-model-pruning2Через Skills CLI (Vercel)
npx skills add davila7/claude-code-templates --skill emerging-techniques-model-pruning -a claude-code3Вручную: положить файлы
~/.claude/skills/emerging-techniques-model-pruning/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/emerging-techniques-model-pruning/
Вручную: положить файлы
.agents/skills/emerging-techniques-model-pruning/SKILL.mdДля всех проектов — ~/.agents/skills/
Вручную: положить файлы
.cursor/skills/emerging-techniques-model-pruning/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install davila7/claude-code-templates emerging-techniques-model-pruning2Вручную: положить файлы
.github/skills/emerging-techniques-model-pruning/SKILL.mdКомандой платформы
gemini skills install https://github.com/davila7/claude-code-templates --path cli-tool/components/skills/ai-research/emerging-techniques-model-pruningВручную: положить файлы
.devin/skills/emerging-techniques-model-pruning/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Claude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о emerging-techniques-model-pruning
Как установить emerging-techniques-model-pruning в Claude Code?
Выполните npx claude-code-templates@latest --skill ai-research/emerging-techniques-model-pruning. Либо добавьте скилл командой npx skills add davila7/claude-code-templates --skill emerging-techniques-model-pruning -a claude-code.
Что делает emerging-techniques-model-pruning?
Скилл описывает способы прореживания весов языковых моделей, включая Wanda, SparseGPT и N:M. Он содержит примеры кода для калибровки, применения маски и сохранения модели.
Какие зависимости нужны для примеров?
В примерах используются torch и transformers. Для Wanda и SparseGPT также задействованы калибровочные данные.
