モデル概要
モデル特徴
モデル能力
使用事例
quantized_by: bartowski pipeline_tag: text-generation language:
- en license: apache-2.0 base_model: PocketDoc/Dans-SakuraKaze-V1.0.0-12b datasets:
- PocketDoc/Dans-Prosemaxx-Cowriter-3-S
- PocketDoc/Dans-Prosemaxx-Adventure
- PocketDoc/Dans-Failuremaxx-Adventure-3
- PocketDoc/Dans-Prosemaxx-InstructWriter-ZeroShot
- PocketDoc/Dans-Prosemaxx-InstructWriter-Continue
- PocketDoc/Dans-Personamaxx-VN
- PocketDoc/Dans-Personamaxx
- PocketDoc/Dans-Personamaxx-Rainy
- PocketDoc/Dans-Personamaxx-C1
PocketDoc/Dans-SakuraKaze-V1.0.0-12bのLlamacpp imatrix量子化
llama.cppのリリースb4882を使用して量子化しました。
オリジナルモデル: https://huggingface.co/PocketDoc/Dans-SakuraKaze-V1.0.0-12b
全ての量子化はimatrixオプションを使用し、こちらのデータセットから作成されました。
LM Studioで実行可能
llama.cppまたは他のllama.cppベースのプロジェクトで直接実行可能
プロンプト形式
<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant
以下のファイルをダウンロード(ブランチ全体ではなく):
ファイル名 | 量子化タイプ | ファイルサイズ | 分割 | 説明 |
---|---|---|---|---|
Dans-SakuraKaze-V1.0.0-12b-bf16.gguf | bf16 | 24.50GB | false | 完全なBF16重み |
Dans-SakuraKaze-V1.0.0-12b-Q8_0.gguf | Q8_0 | 13.02GB | false | 非常に高品質、通常不要だが利用可能な最大量子化 |
Dans-SakuraKaze-V1.0.0-12b-Q6_K_L.gguf | Q6_K_L | 10.38GB | false | 埋め込みと出力重みにQ8_0を使用。非常に高品質、ほぼ完璧、推奨 |
Dans-SakuraKaze-V1.0.0-12b-Q6_K.gguf | Q6_K | 10.06GB | false | 非常に高品質、ほぼ完璧、推奨 |
Dans-SakuraKaze-V1.0.0-12b-Q5_K_L.gguf | Q5_K_L | 9.14GB | false | 埋め込みと出力重みにQ8_0を使用。高品質、推奨 |
Dans-SakuraKaze-V1.0.0-12b-Q5_K_M.gguf | Q5_K_M | 8.73GB | false | 高品質、推奨 |
Dans-SakuraKaze-V1.0.0-12b-Q5_K_S.gguf | Q5_K_S | 8.52GB | false | 高品質、推奨 |
Dans-SakuraKaze-V1.0.0-12b-Q4_K_L.gguf | Q4_K_L | 7.98GB | false | 埋め込みと出力重みにQ8_0を使用。良好な品質、推奨 |
Dans-SakuraKaze-V1.0.0-12b-Q4_1.gguf | Q4_1 | 7.80GB | false | レガシー形式、Q4_K_Sと類似の性能だがAppleシリコンでトークン/ワットが改善 |
Dans-SakuraKaze-V1.0.0-12b-Q4_K_M.gguf | Q4_K_M | 7.48GB | false | 良好な品質、ほとんどのユースケースのデフォルトサイズ、推奨 |
Dans-SakuraKaze-V1.0.0-12b-Q3_K_XL.gguf | Q3_K_XL | 7.15GB | false | 埋め込みと出力重みにQ8_0を使用。品質は低いが使用可能、低RAM環境向け |
Dans-SakuraKaze-V1.0.0-12b-Q4_K_S.gguf | Q4_K_S | 7.12GB | false | 品質はやや低いがスペース節約、推奨 |
Dans-SakuraKaze-V1.0.0-12b-IQ4_NL.gguf | IQ4_NL | 7.10GB | false | IQ4_XSと類似だがやや大きい。ARM CPU推論用にオンライン再パッキング可能 |
Dans-SakuraKaze-V1.0.0-12b-Q4_0.gguf | Q4_0 | 7.09GB | false | レガシー形式、ARMおよびAVX CPU推論用にオンライン再パッキング可能 |
Dans-SakuraKaze-V1.0.0-12b-IQ4_XS.gguf | IQ4_XS | 6.74GB | false | 適度な品質、Q4_K_Sより小さく類似性能、推奨 |
Dans-SakuraKaze-V1.0.0-12b-Q3_K_L.gguf | Q3_K_L | 6.56GB | false | 品質は低いが使用可能、低RAM環境向け |
Dans-SakuraKaze-V1.0.0-12b-Q3_K_M.gguf | Q3_K_M | 6.08GB | false | 低品質 |
Dans-SakuraKaze-V1.0.0-12b-IQ3_M.gguf | IQ3_M | 5.72GB | false | 中低品質、Q3_K_Mと同等の性能を持つ新しい手法 |
Dans-SakuraKaze-V1.0.0-12b-Q3_K_S.gguf | Q3_K_S | 5.53GB | false | 低品質、非推奨 |
Dans-SakuraKaze-V1.0.0-12b-Q2_K_L.gguf | Q2_K_L | 5.45GB | false | 埋め込みと出力重みにQ8_0を使用。非常に低品質だが驚くほど使用可能 |
Dans-SakuraKaze-V1.0.0-12b-IQ3_XS.gguf | IQ3_XS | 5.31GB | false | 低品質、Q3_K_Sよりやや優れた性能の新しい手法 |
Dans-SakuraKaze-V1.0.0-12b-IQ3_XXS.gguf | IQ3_XXS | 4.95GB | false | 低品質、Q3量子化と同等の性能の新しい手法 |
Dans-SakuraKaze-V1.0.0-12b-Q2_K.gguf | Q2_K | 4.79GB | false | 非常に低品質だが驚くほど使用可能 |
Dans-SakuraKaze-V1.0.0-12b-IQ2_M.gguf | IQ2_M | 4.44GB | false | 比較的低品質だがSOTA技術で驚くほど使用可能 |
Dans-SakuraKaze-V1.0.0-12b-IQ2_S.gguf | IQ2_S | 4.14GB | false | 低品質、SOTA技術で使用可能 |
埋め込み/出力重み
一部の量子化(Q3_K_XL、Q4_K_Lなど)は標準的な量子化手法で、埋め込みと出力重みが通常のデフォルト値ではなくQ8_0で量子化されています。
huggingface-cliを使用したダウンロード
クリックしてダウンロード手順を表示
まず、huggingface-cliがインストールされていることを確認してください:
pip install -U "huggingface_hub[cli]"
次に、特定のファイルを指定してダウンロードできます:
huggingface-cli download bartowski/PocketDoc_Dans-SakuraKaze-V1.0.0-12b-GGUF --include "PocketDoc_Dans-SakuraKaze-V1.0.0-12b-Q4_K_M.gguf" --local-dir ./
モデルが50GBより大きい場合、複数のファイルに分割されています。それらをすべてローカルフォルダにダウンロードするには、以下を実行します:
huggingface-cli download bartowski/PocketDoc_Dans-SakuraKaze-V1.0.0-12b-GGUF --include "PocketDoc_Dans-SakuraKaze-V1.0.0-12b-Q8_0/*" --local-dir ./
新しいlocal-dir(PocketDoc_Dans-SakuraKaze-V1.0.0-12b-Q8_0)を指定するか、すべてをその場(./)にダウンロードできます
ARM/AVX情報
以前はQ4_0_4_4/4_8/8_8をダウンロードし、これらの重みはメモリ内でインターリーブされ、ARMおよびAVXマシンでのパフォーマンスを向上させるために一度により多くのデータをロードしていました。
しかし現在では、重みの「オンライン再パッキング」と呼ばれる機能があります。詳細はこのPRをご覧ください。Q4_0を使用し、ハードウェアが重みの再パッキングの恩恵を受ける場合、自動的にオンザフライで実行されます。
llama.cppビルドb4282以降、Q4_0_X_Xファイルを実行できなくなり、代わりにQ4_0を使用する必要があります。
さらに、このPRのおかげで、IQ4_NLを使用してやや良い品質を得ることができます。これはARM用に重みを再パッキングしますが、現時点では4_4のみです。ロード時間は遅くなる可能性がありますが、全体的な速度向上につながります。
クリックしてQ4_0_X_X情報を表示(非推奨)
このセクションは、Q4_0とオンライン再パッキングを使用した場合の潜在的な理論上のパフォーマンス向上を示すために保持しています。
クリックしてAVX2システム(EPYC7702)でのベンチマークを表示
model | size | params | backend | threads | test | t/s | % (vs Q4_0) |
---|---|---|---|---|---|---|---|
qwen2 3B Q4_0 | 1.70 GiB | 3.09 B | CPU | 64 | pp512 | 204.03 ± 1.03 | 100% |
qwen2 3B Q4_0 | 1.70 GiB | 3.09 B | CPU | 64 | pp1024 | 282.92 ± 0.19 | 100% |
qwen2 3B Q4_0 | 1.70 GiB | 3.09 B | CPU | 64 | pp2048 | 259.49 ± 0.44 | 100% |
qwen2 3B Q4_0 | 1.70 GiB | 3.09 B | CPU | 64 | tg128 | 39.12 ± 0.27 | 100% |
qwen2 3B Q4_0 | 1.70 GiB | 3.09 B | CPU | 64 | tg256 | 39.31 ± 0.69 | 100% |
qwen2 3B Q4_0 | 1.70 GiB | 3.09 B | CPU | 64 | tg512 | 40.52 ± 0.03 | 100% |
qwen2 3B Q4_K_M | 1.79 GiB | 3.09 B | CPU | 64 | pp512 | 301.02 ± 1.74 | 147% |
qwen2 3B Q4_K_M | 1.79 GiB | 3.09 B | CPU | 64 | pp1024 | 287.23 ± 0.20 | 101% |
qwen2 3B Q4_K_M | 1.79 GiB | 3.09 B | CPU | 64 | pp2048 | 262.77 ± 1.81 | 101% |
qwen2 3B Q4_K_M | 1.79 GiB | 3.09 B | CPU | 64 | tg128 | 18.80 ± 0.99 | 48% |
qwen2 3B Q4_K_M | 1.79 GiB | 3.09 B | CPU | 64 | tg256 | 24.46 ± 3.04 | 83% |
qwen2 3B Q4_K_M | 1.79 GiB | 3.09 B | CPU | 64 | tg512 | 36.32 ± 3.59 | 90% |
qwen2 3B Q4_0_8_8 | 1.69 GiB | 3.09 B | CPU | 64 | pp512 | 271.71 ± 3.53 | 133% |
qwen2 3B Q4_0_8_8 | 1.69 GiB | 3.09 B | CPU | 64 | pp1024 | 279.86 ± 45.63 | 100% |
qwen2 3B Q4_0_8_8 | 1.69 GiB | 3.09 B | CPU | 64 | pp2048 | 320.77 ± 5.00 | 124% |
qwen2 3B Q4_0_8_8 | 1.69 GiB | 3.09 B | CPU | 64 | tg128 | 43.51 ± 0.05 | 111% |
qwen2 3B Q4_0_8_8 | 1.69 GiB | 3.09 B | CPU | 64 | tg256 | 43.35 ± 0.09 | 110% |
qwen2 3B Q4_0_8_8 | 1.69 GiB | 3.09 B | CPU | 64 | tg512 | 42.60 ± 0.31 | 105% |
Q4_0_8_8はプロンプト処理に良い向上をもたらし、テキスト生成にも小さな向上をもたらします
どのファイルを選ぶべきか?
詳細はこちら
Artefact2によるさまざまなパフォーマンスを示すチャート付きの優れた説明がこちらにあります
最初に、実行可能なモデルのサイズを把握する必要があります。これには、RAMやVRAMの量を確認する必要があります。
モデルを可能な限り高速に実行したい場合は、GPUのVRAMに全体を収める必要があります。GPUの総VRAMより1-2GB小さい量子化を選んでください。
絶対的な最高品質を求めている場合は、システムRAMとGPUのVRAMを合計し、同様に合計より1-2GB小さい量子化を選んでください。
次に、「I-quant」または「K-quant」を使用するかどうかを決める必要があります。
あまり考えたくない場合は、K-quantのいずれかを選んでください。これらは「QX_K_X」形式で、例えばQ5_K_Mなどです。
さらに詳しく知りたい場合は、この非常に便利な機能マトリックスを確認できます:
基本的に、Q4以下を目指していて、cuBLAS(Nvidia)またはrocBLAS(AMD)を実行している場合は、I-quantを検討する必要があります。これらは「IQX_X」形式で、例えばIQ3_Mなどです。これらは新しく、サイズに対してより良いパフォーマンスを提供します。
これらのI-quantはCPUでも使用できますが、K-quant相当よりも遅くなるため、速度とパフォーマンスのトレードオフを決定する必要があります。
I-quantはVulcan(これもAMD)と互換性がありません。AMDカードをお持ちの場合は、rocBLASビルドかVulcanビルドかを再確認してください。この記事を書いている時点では、LM StudioにはROCmサポート付きのプレビューがあり、他の推論エンジンにはROCm用の特定のビルドがあります。
クレジット
imatrixキャリブレーションデータセットの作成に協力してくれたkalomazeとDampfに感謝します。
埋め込み/出力の実験にインスピレーションを与えてくれたZeroWwに感謝します。
私の仕事を支援してくれたLM Studioに感謝します。
私の仕事を支援したいですか?私のko-fiページをご覧ください: https://ko-fi.com/bartowski



