%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)
模型概述
模型特點
模型能力
使用案例
🚀 NousResearch的DeepHermes-3-Llama-3-3B-Preview的Llamacpp imatrix量化模型
本項目提供了NousResearch的DeepHermes-3-Llama-3-3B-Preview模型的量化版本，使用llama.cpp工具進行量化處理，方便在不同硬件環境下高效運行。
🚀 快速開始
量化工具
原始模型
原始模型鏈接：https://huggingface.co/NousResearch/DeepHermes-3-Llama-3-3B-Preview
量化數據集
所有量化模型均使用imatrix選項，並採用來自 此處 的數據集。
運行方式
✨ 主要特性
- 多種量化類型：提供了豐富的量化類型，如
bf16、Q8_0、Q6_K_L等，滿足不同硬件和性能需求。 - 靈活的運行方式：支持在LM Studio和基於
llama.cpp的項目中運行。 - 詳細的提示格式：明確了模型的提示格式，方便用戶使用。
📦 安裝指南
安裝huggingface-cli
首先，確保你已安裝huggingface-cli：
pip install -U "huggingface_hub[cli]"
下載指定文件
你可以根據需求下載特定的量化文件，例如：
huggingface-cli download bartowski/NousResearch_DeepHermes-3-Llama-3-3B-Preview-GGUF --include "NousResearch_DeepHermes-3-Llama-3-3B-Preview-Q4_K_M.gguf" --local-dir ./
下載拆分文件
如果模型大小超過50GB，可能已拆分為多個文件。要將它們全部下載到本地文件夾，請運行：
huggingface-cli download bartowski/NousResearch_DeepHermes-3-Llama-3-3B-Preview-GGUF --include "NousResearch_DeepHermes-3-Llama-3-3B-Preview-Q8_0/*" --local-dir ./
你可以指定新的本地目錄，也可以將它們全部下載到當前目錄（./）。
💻 使用示例
提示格式
<|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|>
📚 詳細文檔
下載文件列表
嵌入/輸出權重
部分量化模型（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，而非默認值。
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，現在有了所謂的“在線重新打包”權重功能，詳情見 此PR。如果你使用Q4_0，並且你的硬件能從重新打包權重中受益，它將自動即時進行。
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，如果你想獲得略高的質量，可以使用IQ4_NL，感謝 此PR，它也會為ARM重新打包權重，不過目前僅支持4_4。加載時間可能會更長，但總體速度會提高。
選擇合適的文件
點擊查看詳情
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，你需要確定你能運行多大的模型。為此，你需要了解你有多少內存（RAM）和/或顯存（VRAM）。
如果你希望模型運行得儘可能快，你需要將整個模型放入GPU的顯存中。選擇文件大小比GPU總顯存小1 - 2GB的量化模型。
如果你追求絕對最高質量，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的量化模型。
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。這些模型的格式為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特性圖表： llama.cpp 特性矩陣
但基本上，如果你目標是低於Q4的量化，並且你使用的是cuBLAS（Nvidia）或rocBLAS（AMD），你應該考慮I-quant。這些模型的格式為IQX_X，如IQ3_M。這些是較新的模型，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，所以你需要在速度和性能之間做出權衡。
I-quant與Vulcan（也是AMD）不兼容，所以如果你有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，其他推理引擎也有針對ROCm的特定版本。
🔧 技術細節
在線重新打包
目前有“在線重新打包”權重的功能，詳情見 此PR。如果你使用Q4_0，並且你的硬件能從重新打包權重中受益，它將自動即時進行。
性能提升
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，使用IQ4_NL可獲得略高的質量，它也會為ARM重新打包權重，不過目前僅支持4_4。加載時間可能會更長，但總體速度會提高。
不同量化類型的選擇
不同的量化類型（如K-quant和I-quant）在性能、質量和兼容性方面有所不同。K-quant格式為QX_K_X，適合不想深入考慮的用戶；I-quant格式為IQX_X，在特定硬件和場景下提供更好的性能，但在CPU上可能較慢，且與Vulcan不兼容。
📄 許可證
本項目使用llama3許可證。
致謝
感謝kalomaze和Dampf協助創建imatrix校準數據集。 感謝ZeroWw提供關於嵌入/輸出實驗的靈感。 感謝LM Studio贊助我的工作。
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 支持多種語言 Transformers 支持多種語言 Transformers 英語