Dreamgen Lucid V1 Nemo GGUF

🚀 dreamgen的lucid-v1-nemo的Llamacpp imatrix量化版本

本項目是對dreamgen的lucid-v1-nemo模型進行的量化處理。使用llama.cpp工具，藉助特定的數據集和參數，生成了一系列不同量化類型的模型文件，方便在不同硬件和場景下使用。用戶可以根據自身的硬件配置和需求，選擇合適的量化模型文件進行下載和使用。

🚀 快速開始

運行方式

• LM Studio：可以在LM Studio中運行這些量化模型。
• llama.cpp：直接使用llama.cpp，或者基於llama.cpp的其他項目運行。

提示格式

未找到提示格式，請查看原始模型頁面。

下載文件

可以從以下表格中選擇需要的文件進行下載：

✨ 主要特性

• 量化工具：使用 llama.cpp 發佈版本 b5132 進行量化。
• 原始模型：dreamgen/lucid-v1-nemo
• 量化選項：所有量化均使用imatrix選項，並使用來自此處的數據集。

📦 安裝指南

使用huggingface-cli下載

pip install -U "huggingface_hub[cli]"

huggingface-cli download bartowski/dreamgen_lucid-v1-nemo-GGUF --include "dreamgen_lucid-v1-nemo-Q4_K_M.gguf" --local-dir ./

huggingface-cli download bartowski/dreamgen_lucid-v1-nemo-GGUF --include "dreamgen_lucid-v1-nemo-Q8_0/*" --local-dir ./

📚 詳細文檔

嵌入/輸出權重

部分量化（如Q3_K_XL、Q4_K_L等）是標準量化方法，其嵌入和輸出權重被量化為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，這些權重會在內存中交錯排列，以便在ARM和AVX機器上通過一次加載更多數據來提高性能。

然而，現在有了一種稱為“在線重新打包”的權重處理方式，詳情見此PR。如果你使用Q4_0，並且你的硬件可以從重新打包權重中受益，它將自動即時進行處理。

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，這得益於此PR，它也會為ARM重新打包權重，但目前僅適用於4_4。加載時間可能會較慢，但會帶來整體速度的提升。

選擇合適的文件

🔧 技術細節

量化方法

使用 llama.cpp 發佈版本 b5132 進行量化。所有量化均使用imatrix選項，並使用來自此處的數據集。

在線重新打包

現在有了一種稱為“在線重新打包”的權重處理方式，詳情見此PR。如果你使用Q4_0，並且你的硬件可以從重新打包權重中受益，它將自動即時進行處理。

📄 許可證

本項目使用其他許可證。

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。

感謝LM Studio對我工作的贊助。

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