Tesslate Tessa T1 3B GGUF

quantized_by: bartowski pipeline_tag: text-generation tags:

• text-generation-inference
• transformers
• qwen2
• trl base_model_relation: quantized language:
• en base_model: Tesslate/Tessa-T1-3B license: apache-2.0 datasets:
• Tesslate/Tessa-T1-Dataset

TesslateのTessa-T1-3Bに対するLlamacpp imatrix量子化

量子化にはllama.cppのリリースb4978を使用。

オリジナルモデル: https://huggingface.co/Tesslate/Tessa-T1-3B

すべての量子化はimatrixオプションを使用し、データセットはこちらから取得。

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）:

埋め込み/出力重み

これらの量子化の一部（Q3_K_XL、Q4_K_Lなど）は、埋め込みと出力重みが通常のデフォルトではなくQ8_0に量子化された標準的な量子化方法です。

huggingface-cliを使用したダウンロード

pip install -U "huggingface_hub[cli]"

huggingface-cli download bartowski/Tesslate_Tessa-T1-3B-GGUF --include "Tesslate_Tessa-T1-3B-Q4_K_M.gguf" --local-dir ./

huggingface-cli download bartowski/Tesslate_Tessa-T1-3B-GGUF --include "Tesslate_Tessa-T1-3B-Q8_0/*" --local-dir ./

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、現在は重みの「オンライン再パッキング」と呼ばれるものがあります。詳細はこのPRにあります。Q4_0を使用し、ハードウェアが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行われます。

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を使用すると、ARM用に重みを再パッキングし、わずかに品質を向上させることができます（現時点では4_4のみ）。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。

どのファイルを選ぶべきか？

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ページはこちら: https://ko-fi.com/bartowski