Llama 3 70B Instruct Abliterated GGUF

🚀 Llama-3-70B-Instruct-abliterated的Llamacpp imatrix量化版本

本項目使用 llama.cpp 發佈版本 b2854 進行量化。 原始模型地址：https://huggingface.co/failspy/llama-3-70B-Instruct-abliterated 所有量化版本均使用imatrix選項，並採用來自此處的數據集。

🚀 快速開始

提示詞格式

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

{system_prompt}<|eot_id|><|start_header_id|>user<|end_header_id|>

{prompt}<|eot_id|><|start_header_id|>assistant<|end_header_id|>

下載文件

你可以從下方表格中選擇並下載單個文件（而非整個分支）：

使用huggingface-cli下載

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/llama-3-70B-Instruct-abliterated-GGUF --include "llama-3-70B-Instruct-abliterated-Q4_K_M.gguf" --local-dir ./ --local-dir-use-symlinks False

如果模型大小超過50GB，它將被分割成多個文件。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/llama-3-70B-Instruct-abliterated-GGUF --include "llama-3-70B-Instruct-abliterated-Q8_0.gguf/*" --local-dir llama-3-70B-Instruct-abliterated-Q8_0 --local-dir-use-symlinks False

你可以指定一個新的本地目錄（如llama-3-70B-Instruct-abliterated-Q8_0），也可以將它們全部下載到當前目錄（./）。

📚 詳細文檔

如何選擇文件？

Artefact2在此處提供了一篇很棒的文章，帶有展示各種性能的圖表。 首先，你需要確定你能夠運行多大的模型。為此，你需要了解你擁有多少系統內存（RAM）和/或顯存（VRAM）。 如果你希望模型運行得儘可能快，你需要將整個模型加載到GPU的顯存中。選擇文件大小比GPU總顯存小1 - 2GB的量化版本。 如果你追求絕對的最高質量，將系統內存和GPU顯存相加，然後選擇文件大小比該總和小1 - 2GB的量化版本。 接下來，你需要決定是否使用“I量化”或“K量化”。 如果你不想考慮太多，選擇K量化版本。它們的格式為“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： llama.cpp功能矩陣 但基本上，如果你目標是低於Q4的量化版本，並且你使用的是cuBLAS（Nvidia）或rocBLAS（AMD），你應該考慮I量化版本。它們的格式為IQX_X，如IQ3_M。這些是較新的版本，在相同大小下提供更好的性能。 這些I量化版本也可以在CPU和Apple Metal上使用，但比對應的K量化版本慢，因此你需要在速度和性能之間進行權衡。 I量化版本不兼容Vulcan（同樣適用於AMD），因此如果你有AMD顯卡，請仔細檢查你使用的是rocBLAS版本還是Vulcan版本。在撰寫本文時，LM Studio有一個支持ROCm的預覽版本，其他推理引擎也有針對ROCm的特定版本。

支持作者

如果你想支持作者的工作，可以訪問他的ko-fi頁面：https://ko-fi.com/bartowski

📄 許可證

本項目使用的許可證為：llama3，詳情請見LICENSE。