Akhil Theerthala Kuvera 8B V0.1.0 GGUF

🚀 Akhil - Theerthala的Kuvera - 8B - v0.1.0的Llamacpp imatrix量化版本

本项目是Akhil - Theerthala的Kuvera - 8B - v0.1.0模型的量化版本，利用llamacpp进行量化处理，可用于金融、个人理财等领域的文本生成任务。

🚀 快速开始

使用 llama.cpp 版本 b5596 进行量化。 原始模型地址：https://huggingface.co/Akhil - Theerthala/Kuvera - 8B - v0.1.0

所有量化模型均使用imatrix选项，并采用来自 此处 的数据集生成。

你可以在 LM Studio 中运行这些量化模型，也可以直接使用 llama.cpp 或任何基于llama.cpp的项目来运行。

✨ 主要特性

• 多种量化类型：提供了丰富的量化类型供选择，如bf16、Q8_0、Q6_K_L等，以满足不同的性能和质量需求。
• 在线重打包：部分量化模型支持在线重打包，可自动优化ARM和AVX机器上的性能。
• 灵活下载：支持使用huggingface - cli下载特定文件或整个模型分支。

📦 安装指南

使用huggingface - cli下载

首先，确保你已经安装了huggingface - cli：

pip install -U "huggingface_hub[cli]"

然后，你可以指定要下载的特定文件：

huggingface-cli download bartowski/Akhil-Theerthala_Kuvera-8B-v0.1.0-GGUF --include "Akhil-Theerthala_Kuvera-8B-v0.1.0-Q4_K_M.gguf" --local-dir ./

如果模型大小超过50GB，它会被拆分为多个文件。若要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/Akhil-Theerthala_Kuvera-8B-v0.1.0-GGUF --include "Akhil-Theerthala_Kuvera-8B-v0.1.0-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如Akhil - Theerthala_Kuvera - 8B - v0.1.0 - Q8_0），也可以将它们全部下载到当前目录（./）。

💻 使用示例

提示格式

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

📚 详细文档

下载文件列表

嵌入/输出权重

部分量化模型（如Q3_K_XL、Q4_K_L等）采用标准量化方法，将嵌入和输出权重量化为Q8_0，而非默认值。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8，这些模型的权重会在内存中交错排列，以便通过一次加载更多数据来提高ARM和AVX机器的性能。

然而，现在有了一种名为“在线重打包”的权重处理方式，详情见 此PR。如果你使用Q4_0，并且你的硬件能从权重重打包中受益，它会自动实时进行重打包。

从llama.cpp构建版本 b4282 开始，你将无法运行Q4_0_X_X文件，而需要使用Q4_0。

此外，如果你想获得更好的质量，可以使用IQ4_NL，这得益于 此PR，它也会为ARM重打包权重，不过目前仅适用于4_4。加载时间可能会更长，但总体速度会提高。

选择合适的文件

🔧 技术细节

量化方法

使用 llama.cpp 版本 b5596 进行量化，所有量化模型均使用imatrix选项，并采用特定数据集进行校准。

在线重打包

对于支持在线重打包的量化模型（如Q4_0），当硬件适合时，会自动实时重打包权重以提高性能，具体实现参考 此PR。

📄 许可证

本项目采用MIT许可证。

致谢

感谢kalomaze和Dampf协助创建imatrix校准数据集。 感谢ZeroWw启发了对嵌入/输出的实验。 感谢LM Studio赞助我的工作。

如果你想支持我的工作，请访问我的ko - fi页面：https://ko - fi.com/bartowski