QVQ 72B Preview GGUF

🚀 QVQ-72B-Preview的Llamacpp imatrix量化版本

本項目是QVQ-72B-Preview模型基於llamacpp的imatrix量化版本，提供了多種量化類型的模型文件，方便不同硬件配置和使用場景下的部署與應用。

🚀 快速開始

運行方式

QwenVL模型需要使用llama-qwen2vl-cli工具，示例命令如下：

./llama-qwen2vl-cli -m /models/QVQ-72B-Preview-Q4_K_M.gguf \
  --mmproj /models/mmproj-QVQ-72B-Preview-f16.gguf \
  -p 'How many fingers does this hand have.' \
  --image '/models/hand.jpg'

提示詞格式

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

✨ 主要特性

• 多種量化類型：提供了豐富的量化類型供選擇，如Q8_0、Q6_K、Q5_K_L等，滿足不同的質量和性能需求。
• 在線重打包：部分量化類型支持在線重打包，可根據硬件情況自動優化性能。
• 性能優化：通過合理選擇量化類型和配置，可在不同硬件上實現性能的優化。

📦 安裝指南

安裝huggingface-cli

首先，確保你已經安裝了huggingface-cli：

pip install -U "huggingface_hub[cli]"

下載指定文件

你可以指定要下載的特定文件，例如：

huggingface-cli download bartowski/QVQ-72B-Preview-GGUF --include "QVQ-72B-Preview-Q4_K_M.gguf" --local-dir ./

下載拆分文件

如果模型大小超過50GB，它會被拆分成多個文件。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/QVQ-72B-Preview-GGUF --include "QVQ-72B-Preview-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如QVQ-72B-Preview-Q8_0），也可以將它們全部下載到當前目錄（./）。

💻 使用示例

基礎用法

使用llama-qwen2vl-cli工具運行模型的基本命令如下：

./llama-qwen2vl-cli -m /models/QVQ-72B-Preview-Q4_K_M.gguf \
  --mmproj /models/mmproj-QVQ-72B-Preview-f16.gguf \
  -p 'How many fingers does this hand have.' \
  --image '/models/hand.jpg'

📚 詳細文檔

模型文件下載

你可以從以下鏈接下載不同量化類型的模型文件：

嵌入/輸出權重

部分量化類型（如Q3_K_XL、Q4_K_L等）採用標準量化方法，將嵌入和輸出權重量化為Q8_0，而不是通常的默認值。

ARM/AVX信息

以前，你會下載Q4_0_4_4/4_8/8_8，這些文件的權重會在內存中交錯排列，以便通過一次加載更多數據來提高ARM和AVX機器的性能。

現在，有了所謂的“在線重打包”權重。詳情見此PR。如果你使用Q4_0，並且你的硬件可以從權重重打包中受益，它將自動即時進行。

從llama.cpp構建版本b4282開始，你將無法運行Q4_0_X_X文件，而需要使用Q4_0。

此外，如果你想獲得稍好的質量，可以使用IQ4_NL，感謝此PR，它也會為ARM重打包權重，不過目前僅支持4_4。加載時間可能會較慢，但總體速度會提高。

如何選擇模型文件

🔧 技術細節

使用llama.cpp發佈版本b4381進行量化。原始模型：Qwen/QVQ-72B-Preview。所有量化均使用imatrix選項，數據集來自此處。

📄 許可證

本項目採用Qwen許可證。

致謝

感謝kalomaze和Dampf在創建imatrix校準數據集方面提供的幫助。

感謝ZeroWw在嵌入/輸出實驗方面的啟發。

如果你想支持我的工作，請訪問我的ko-fi頁面：https://ko-fi.com/bartowski