%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Model Overview
Model Features
Model Capabilities
Use Cases
🚀 Huihui-gemma-3n-E4B-it-abliterated的Llamacpp imatrix量化版本
本項目使用 llama.cpp 版本 b5856 進行量化。該項目為huihui-ai團隊的Huihui-gemma-3n-E4B-it-abliterated模型提供了多種量化版本，方便不同硬件條件和使用需求的用戶選擇。
模型基本信息
| 屬性 | 詳情 |
|---|---|
| 量化者 | bartowski |
| 任務類型 | 文本生成 |
| 基礎模型 | huihui-ai/Huihui-gemma-3n-E4B-it-abliterated |
| 基礎模型關係 | 量化版本 |
| 許可證 | gemma |
| 標籤 | 自動語音識別、自動語音翻譯、音頻文本轉文本、視頻文本轉文本等 |
訪問許可
要在Hugging Face上訪問Gemma，你需要查看並同意Google的使用許可。請確保你已登錄Hugging Face，然後點擊下方按鈕。請求將立即處理。
原始模型
Huihui-gemma-3n-E4B-it-abliterated
量化說明
所有量化版本均使用imatrix選項，並採用來自此處的數據集。
運行方式
📚 詳細文檔
提示格式
由於未指定聊天模板，因此使用默認模板。這可能不正確，請查看原始模型卡片以獲取詳細信息。
<bos><start_of_turn>user
{system_prompt}
{prompt}<end_of_turn>
<start_of_turn>model
<end_of_turn>
<start_of_turn>model
文件下載
你可以從下方表格中選擇下載單個文件（而非整個分支）：
嵌入/輸出權重
部分量化版本（如Q3_K_XL、Q4_K_L等）採用標準量化方法，將嵌入和輸出權重量化為Q8_0，而非默認設置。
使用huggingface-cli下載
點擊查看下載說明
首先，確保你已安裝huggingface-cli：
pip install -U "huggingface_hub[cli]"
然後，你可以指定要下載的特定文件：
huggingface-cli download bartowski/huihui-ai_Huihui-gemma-3n-E4B-it-abliterated-GGUF --include "huihui-ai_Huihui-gemma-3n-E4B-it-abliterated-Q4_K_M.gguf" --local-dir ./
如果模型大小超過50GB，它將被分割成多個文件。要將所有文件下載到本地文件夾，請運行：
huggingface-cli download bartowski/huihui-ai_Huihui-gemma-3n-E4B-it-abliterated-GGUF --include "huihui-ai_Huihui-gemma-3n-E4B-it-abliterated-Q8_0/*" --local-dir ./
你可以指定一個新的本地目錄（如huihui-ai_Huihui-gemma-3n-E4B-it-abliterated-Q8_0），也可以將所有文件下載到當前目錄（./）。
ARM/AVX信息
以前，你會下載Q4_0_4_4/4_8/8_8文件，這些文件的權重會在內存中交錯排列，以便通過一次加載更多數據來提高ARM和AVX機器的性能。
然而，現在有了一種稱為“在線重新打包”的權重處理方法，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，如果你想獲得略好的質量，可以使用IQ4_NL，這得益於此PR，它也會為ARM重新打包權重，不過目前僅適用於4_4。加載時間可能會更長，但總體速度會提高。
點擊查看Q4_0_X_X信息（已棄用）
我保留這部分內容是為了展示使用帶有在線重新打包的Q4_0在性能上的潛在理論提升。
點擊查看AVX2系統（EPYC7702）上的基準測試
| 模型 | 大小 | 參數 | 後端 | 線程數 | 測試類型 | 每秒令牌數 | 與Q4_0相比的百分比 |
|---|---|---|---|---|---|---|---|
| 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在提示處理方面有顯著提升，在文本生成方面有小幅提升。
如何選擇文件
點擊此處查看詳情
Artefact2提供了一篇很棒的文章，帶有展示各種性能的圖表，可查看此處。
首先，你需要確定可以運行的模型大小。為此，你需要了解自己的RAM和/或VRAM容量。
如果你希望模型運行速度儘可能快，你需要將整個模型放入GPU的VRAM中。選擇文件大小比GPU總VRAM小1 - 2GB的量化版本。
如果你追求絕對最高質量，將系統RAM和GPU的VRAM相加，然後選擇文件大小比該總和小1 - 2GB的量化版本。
接下來，你需要決定是使用“I-quant”還是“K-quant”。
如果你不想考慮太多，可以選擇K-quant。這些格式為“QX_K_X”，如Q5_K_M。
如果你想深入瞭解，可以查看這個非常有用的功能圖表：
但基本上，如果你目標是低於Q4的量化版本，並且你使用cuBLAS（Nvidia）或rocBLAS（AMD），你應該考慮I-quant。這些格式為IQX_X，如IQ3_M。這些是較新的格式，在相同大小下提供更好的性能。
這些I-quant也可以在CPU上使用，但比相應的K-quant慢，因此你需要在速度和性能之間進行權衡。
🙏 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
Transformers Transformers Supports Multiple Languages Transformers Supports Multiple Languages Transformers English