Burtenshaw GemmaCoder3 12B GGUF

🚀 GemmaCoder3-12B的Llamacpp imatrix量化版本

本項目是對burtenshaw的GemmaCoder3-12B模型進行的Llamacpp imatrix量化。它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模型，可在不同的硬件環境下運行，為用戶提供了更多的選擇。

🚀 快速開始

使用 llama.cpp 版本 b5010 進行量化。 原始模型地址：https://huggingface.co/burtenshaw/GemmaCoder3-12B 所有量化模型均使用imatrix選項和來自 這裡 的數據集生成。 你可以在 LM Studio 中運行這些量化模型，也可以直接使用 llama.cpp 或任何基於llama.cpp的項目運行。

✨ 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，滿足不同的性能和質量需求。
• 特定權重處理：部分量化模型（如Q3_K_XL、Q4_K_L等）將嵌入和輸出權重量化為Q8_0，而不是默認值，以提高性能。
• 在線重打包：支持Q4_0的在線重打包功能，可根據硬件自動優化性能。

📦 安裝指南

安裝huggingface-cli

首先，確保你已經安裝了huggingface-cli：

pip install -U "huggingface_hub[cli]"

下載特定文件

你可以指定要下載的特定文件：

huggingface-cli download bartowski/burtenshaw_GemmaCoder3-12B-GGUF --include "burtenshaw_GemmaCoder3-12B-Q4_K_M.gguf" --local-dir ./

下載拆分文件

如果模型大於50GB，它將被拆分為多個文件。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/burtenshaw_GemmaCoder3-12B-GGUF --include "burtenshaw_GemmaCoder3-12B-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如burtenshaw_GemmaCoder3-12B-Q8_0），也可以將它們全部下載到當前目錄（./）。

💻 使用示例

基礎用法

以下是使用huggingface-cli下載特定文件的示例：

# 下載特定文件
huggingface-cli download bartowski/burtenshaw_GemmaCoder3-12B-GGUF --include "burtenshaw_GemmaCoder3-12B-Q4_K_M.gguf" --local-dir ./

高級用法

如果你需要下載拆分的文件，可以使用以下命令：

# 下載拆分的文件
huggingface-cli download bartowski/burtenshaw_GemmaCoder3-12B-GGUF --include "burtenshaw_GemmaCoder3-12B-Q8_0/*" --local-dir ./

📚 詳細文檔

提示格式

<bos><start_of_turn>user
{system_prompt}

{prompt}<end_of_turn>
<start_of_turn>model
<end_of_turn>
<start_of_turn>model

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，而不是通常的默認值。

ARM/AVX信息

以前，你會下載Q4_0_4_4/4_8/8_8，這些模型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權重重打包中受益，它將自動進行即時重打包。

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。感謝 此PR，它也會為ARM重打包權重，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

Artefact2在 這裡 提供了一份很棒的文檔，帶有顯示各種性能的圖表。

首先，你需要確定可以運行多大的模型。為此，你需要了解自己有多少RAM和/或VRAM。

如果你希望模型儘可能快地運行，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的量化模型。

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的量化模型。

接下來，你需要決定是使用“I量化”還是“K量化”。

如果你不想考慮太多，選擇K量化模型。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cuBLAS（Nvidia）或rocBLAS（AMD），你應該考慮I量化模型。它們的格式為IQX_X，如IQ3_M。這些是較新的量化方法，在相同大小下提供更好的性能。

這些I量化模型也可以在CPU上使用，但比相應的K量化模型慢，因此你需要在速度和性能之間進行權衡。

🔧 技術細節

本項目使用 llama.cpp 版本 b5010 進行量化。所有量化模型均使用imatrix選項和來自 這裡 的數據集生成。部分量化模型將嵌入和輸出權重量化為Q8_0，以提高性能。同時，支持Q4_0的在線重打包功能，可根據硬件自動優化性能。

📄 許可證

本項目使用的許可證為 license。

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：https://ko-fi.com/bartowski