Eurollm 9B Instruct GGUF

🚀 EuroLLM-9B-Instruct的Llamacpp imatrix量化版本

本項目提供了EuroLLM-9B-Instruct模型的量化版本，使用特定工具和數據集進行量化，可在多種設備上運行，滿足不同用戶的需求。

🚀 快速開始

本項目使用 llama.cpp 的 b4240 版本進行量化。 原始模型地址：https://huggingface.co/utter-project/EuroLLM-9B-Instruct 所有量化模型均使用imatrix選項和來自 此處 的數據集生成。 你可以在 LM Studio 中運行這些量化模型。

✨ 主要特性

• 多語言支持：支持英語、德語、西班牙語、法語等多種語言。
• 多種量化類型：提供了豐富的量化類型，如f16、Q8_0、Q6_K_L等，滿足不同的性能和質量需求。
• 優化的嵌入/輸出權重：部分量化模型對嵌入和輸出權重進行了優化，提高了性能。

📦 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/EuroLLM-9B-Instruct-GGUF --include "EuroLLM-9B-Instruct-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。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/EuroLLM-9B-Instruct-GGUF --include "EuroLLM-9B-Instruct-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如EuroLLM-9B-Instruct-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

下載文件

你可以從以下表格中選擇要下載的文件：

嵌入/輸出權重

部分量化模型（如Q3_K_XL、Q4_K_L等）採用了標準的量化方法，但將嵌入和輸出權重量化為Q8_0，而不是通常的默認值。

Q4_0_X_X信息

新特性：由於 此PR 中為在線重新打包權重所做的努力，現在如果你的llama.cpp是為ARM設備編譯的，你可以直接使用Q4_0。 同樣，如果你想獲得稍好的性能，可以使用IQ4_NL，這要歸功於 此PR，它也會為ARM重新打包權重，不過目前僅支持4_4。加載時間可能會較慢，但總體速度會提高。

這些量化模型不適用於Metal（蘋果）或GPU（英偉達/AMD/英特爾）卸載，僅適用於ARM芯片（以及某些AVX2/AVX512 CPU）。 如果你使用的是ARM芯片，Q4_0_X_X量化模型將有顯著的加速效果。查看 原始拉取請求 上的Q4_0_4_4速度比較。 要檢查哪個量化模型最適合你的ARM芯片，你可以查看 AArch64 SoC特性（感謝EloyOn！）。 如果你使用的是支持AVX2或AVX512的CPU（通常是服務器CPU和AMD最新的Zen5 CPU），並且不進行GPU卸載，Q4_0_8_8也可能提供不錯的速度：

如何選擇文件

🔧 技術細節

本項目使用特定的量化工具和數據集對EuroLLM-9B-Instruct模型進行量化，以提高模型在不同設備上的運行效率。具體的量化方法和數據集來源在文檔中已有說明。

📄 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。 如果你想支持我的工作，請訪問我的ko-fi頁面：https://ko-fi.com/bartowski