Pocketdoc Dans PersonalityEngine V1.2.0 24b GGUF

🚀 PocketDoc的Dans-PersonalityEngine-V1.2.0-24b的Llamacpp imatrix量化版本

本項目是對PocketDoc的Dans-PersonalityEngine-V1.2.0-24b模型進行的量化處理，旨在提升模型在不同設備上的運行效率和性能。通過使用特定的量化工具和數據集，生成了多種不同類型的量化文件，以滿足不同用戶的需求。

🚀 快速開始

運行方式

• 可以在 LM Studio 中運行這些量化模型。
• 也可以直接使用 llama.cpp 或其他基於 llama.cpp 的項目來運行。

下載文件

你可以從下面的表格中選擇需要的文件進行下載：

✨ 主要特性

• 多量化類型：提供多種量化類型，如 QX_K_X 和 IQX_X 等，以滿足不同的性能和質量需求。
• 在線重新打包：部分量化文件支持在線重新打包，可在 ARM 和 AVX 機器上提高性能。
• 性能優化：不同的量化類型在不同的硬件和場景下提供了性能和質量的平衡。

📦 安裝指南

使用 huggingface-cli 下載

首先，確保你已經安裝了 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/PocketDoc_Dans-PersonalityEngine-V1.2.0-24b-GGUF --include "PocketDoc_Dans-PersonalityEngine-V1.2.0-24b-Q4_K_M.gguf" --local-dir ./

如果模型大於 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/PocketDoc_Dans-PersonalityEngine-V1.2.0-24b-GGUF --include "PocketDoc_Dans-PersonalityEngine-V1.2.0-24b-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如 PocketDoc_Dans-PersonalityEngine-V1.2.0-24b-Q8_0），也可以將它們全部下載到當前目錄（./）。

💻 使用示例

提示格式

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

📚 詳細文檔

嵌入/輸出權重

部分量化文件（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，而不是默認值。

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。

現在，有了所謂的權重“在線重新打包”功能，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，它將在運行時自動進行。

從 llama.cpp 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。加載時間可能會更長，但總體速度會提高。

選擇合適的文件

一篇帶有圖表展示各種性能的優秀文章由 Artefact2 提供，點擊查看。

首先，你需要確定你可以運行多大的模型。為此，你需要了解你有多少 RAM 和/或 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 VRAM 中。選擇文件大小比你的 GPU 總 VRAM 小 1 - 2GB 的量化文件。

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 的量化文件。

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，可以選擇 K - 量化文件，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。

一般來說，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 - 量化文件，格式為 IQX_X，如 IQ3_M。這些是較新的文件，在相同大小下提供更好的性能。

這些 I - 量化文件也可以在 CPU 和蘋果 Metal 上使用，但比對應的 K - 量化文件慢，因此你需要在速度和性能之間做出權衡。

I - 量化文件與 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

量化方法

使用 llama.cpp 版本 b4738 進行量化。所有量化文件都使用 imatrix 選項，並使用來自 此處 的數據集。

性能基準

在 AVX2 系統（EPYC7702）上的基準測試表明，Q4_0_8_8 在提示處理方面有顯著提升，在文本生成方面也有小幅提升。具體基準測試數據如下：

📄 許可證

本項目採用 Apache - 2.0 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/輸出實驗方面提供的靈感。 感謝 LM Studio 對本項目的贊助。

如果你想支持我的工作，請訪問我的 ko - fi 頁面：點擊訪問