Gemma 2b It GGUF

🚀 MaziyarPanahi/gemma-2b-it-GGUF

該項目包含了適用於google/gemma-2b-it的GGUF格式模型文件，為文本生成任務提供了高效的解決方案。

🚀 快速開始

模型基本信息

• 模型創建者：google
• 原始模型：google/gemma-2b-it

關於GGUF

GGUF是由llama.cpp團隊在2023年8月21日推出的一種新格式，它是GGML的替代品，目前llama.cpp已不再支持GGML。

以下是已知支持GGUF的客戶端和庫的不完全列表：

• llama.cpp：GGUF的源項目，提供了命令行界面（CLI）和服務器選項。
• text-generation-webui：最廣泛使用的Web UI，具有許多功能和強大的擴展，支持GPU加速。
• KoboldCpp：功能齊全的Web UI，支持所有平臺和GPU架構的GPU加速，尤其適合講故事。
• GPT4All：一個免費開源的本地運行GUI，支持Windows、Linux和macOS，並具備完整的GPU加速。
• LM Studio：一個易於使用且功能強大的本地GUI，適用於Windows和macOS（Silicon），支持GPU加速，截至2023年11月27日，Linux版本處於測試階段。
• LoLLMS Web UI：一個很棒的Web UI，具有許多有趣和獨特的功能，包括一個完整的模型庫，便於模型選擇。
• Faraday.dev：一個有吸引力且易於使用的基於角色的聊天GUI，適用於Windows和macOS（Silicon和Intel），支持GPU加速。
• llama-cpp-python：一個支持GPU加速、LangChain和OpenAI兼容API服務器的Python庫。
• candle：一個注重性能的Rust機器學習框架，包括GPU支持，且易於使用。
• ctransformers：一個支持GPU加速、LangChain和OpenAI兼容AI服務器的Python庫。截至2023年11月27日，ctransformers已有很長時間未更新，不支持許多最新的模型。

量化方法說明

如何下載GGUF文件

手動下載者注意：你幾乎不需要克隆整個倉庫！這裡提供了多種不同的量化格式，大多數用戶只需要選擇並下載單個文件。

以下客戶端/庫將自動為你下載模型，並提供可用模型列表供你選擇：

• LM Studio
• LoLLMS Web UI
• Faraday.dev

在text-generation-webui中下載

在“Download Model”下，你可以輸入模型倉庫地址：MaziyarPanahi/gemma-2b-it-GGUF，並在其下方輸入要下載的具體文件名，例如：gemma-2b-it-GGUF.Q4_K_M.gguf，然後點擊“Download”。

在命令行中下載（包括一次下載多個文件）

建議使用huggingface-hub Python庫：

pip3 install huggingface-hub

然後，你可以使用以下命令將任何單個模型文件高速下載到當前目錄：

huggingface-cli download MaziyarPanahi/gemma-2b-it-GGUF gemma-2b-it-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

huggingface-cli download [MaziyarPanahi/gemma-2b-it-GGUF](https://huggingface.co/MaziyarPanahi/gemma-2b-it-GGUF) --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

pip3 install hf_transfer

HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download MaziyarPanahi/gemma-2b-it-GGUF gemma-2b-it-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

💻 使用示例

llama.cpp命令示例

確保你使用的是commit d0cee0d或更高版本的llama.cpp。

./main -ngl 35 -m gemma-2b-it-GGUF.Q4_K_M.gguf --color -c 32768 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "<|im_start|>system
{system_message}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant"

• 將-ngl 32更改為要卸載到GPU的層數。如果你沒有GPU加速，請刪除此參數。
• 將-c 32768更改為所需的序列長度。對於擴展序列模型（例如8K、16K、32K），必要的RoPE縮放參數將從GGUF文件中讀取，並由llama.cpp自動設置。請注意，更長的序列長度需要更多的資源，因此你可能需要減小此值。

如果你想進行聊天式對話，請將-p <PROMPT>參數替換為-i -ins。

有關其他參數及其用法，請參考llama.cpp文檔。

在text-generation-webui中運行

更多說明可以在text-generation-webui文檔中找到，鏈接如下：text-generation-webui/docs/04 ‐ Model Tab.md。

從Python代碼運行

你可以使用llama-cpp-python或ctransformers庫從Python中使用GGUF模型。截至2023年11月27日，ctransformers已有一段時間未更新，不兼容一些最新的模型，因此建議使用llama-cpp-python。

安裝llama-cpp-python

根據你的系統運行以下命令之一：

# 無GPU加速的基礎ctransformers
pip install llama-cpp-python
# 支持NVidia CUDA加速
CMAKE_ARGS="-DLLAMA_CUBLAS=on" pip install llama-cpp-python
# 支持OpenBLAS加速
CMAKE_ARGS="-DLLAMA_BLAS=ON -DLLAMA_BLAS_VENDOR=OpenBLAS" pip install llama-cpp-python
# 支持CLBLast加速
CMAKE_ARGS="-DLLAMA_CLBLAST=on" pip install llama-cpp-python
# 支持AMD ROCm GPU加速（僅適用於Linux）
CMAKE_ARGS="-DLLAMA_HIPBLAS=on" pip install llama-cpp-python
# 支持macOS系統的Metal GPU加速
CMAKE_ARGS="-DLLAMA_METAL=on" pip install llama-cpp-python

# 在Windows中，在PowerShell中設置變量CMAKE_ARGS，例如對於NVidia CUDA：
$env:CMAKE_ARGS = "-DLLAMA_OPENBLAS=on"
pip install llama-cpp-python

簡單的llama-cpp-python示例代碼

from llama_cpp import Llama

# 將gpu_layers設置為要卸載到GPU的層數。如果你的系統沒有GPU加速，請將其設置為0。
llm = Llama(
  model_path="./gemma-2b-it-GGUF.Q4_K_M.gguf",  # 首先下載模型文件
  n_ctx=32768,  # 要使用的最大序列長度 - 請注意，更長的序列長度需要更多的資源
  n_threads=8,            # 要使用的CPU線程數，根據你的系統和性能進行調整
  n_gpu_layers=35         # 要卸載到GPU的層數，如果你有GPU加速
)

# 簡單的推理示例
output = llm(
  "<|im_start|>system
{system_message}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant", # 提示
  max_tokens=512,  # 生成最多512個令牌
  stop=["</s>"],   # 示例停止令牌 - 不一定適用於此特定模型！使用前請檢查。
  echo=True        # 是否回顯提示
)

# 聊天完成API

llm = Llama(model_path="./gemma-2b-it-GGUF.Q4_K_M.gguf", chat_format="llama-2")  # 根據你使用的模型設置chat_format
llm.create_chat_completion(
    messages = [
        {"role": "system", "content": "You are a story writing assistant."},
        {
            "role": "user",
            "content": "Write a story about llamas."
        }
    ]
)

如何與LangChain一起使用

以下是使用llama-cpp-python和ctransformers與LangChain的指南：

• LangChain + llama-cpp-python
• LangChain + ctransformers