Dolphin3.0 Llama3.2 3B GGUF

🚀 Dolphin3.0-Llama3.2-3B的Llamacpp imatrix量化版本

本項目提供了Dolphin3.0-Llama3.2-3B模型的量化版本，使用特定工具和數據集進行量化處理，可在多種環境下運行，滿足不同用戶對模型性能和質量的需求。

🚀 快速開始

使用 llama.cpp 版本 b4418 進行量化。 原始模型地址：https://huggingface.co/cognitivecomputations/Dolphin3.0-Llama3.2-3B 所有量化版本均使用imatrix選項，並採用 此處 的數據集。 你可以在 LM Studio 中運行這些量化版本。

✨ 主要特性

• 多量化類型：提供了多種量化類型，如f32、f16、Q8_0、Q6_K_L等，滿足不同場景下對模型大小、質量和性能的需求。
• 特定權重處理：部分量化版本（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，而非默認設置。
• 在線重打包：支持權重的“在線重打包”功能，部分量化版本（如Q4_0）可根據硬件情況自動優化性能。

📦 安裝指南

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/Dolphin3.0-Llama3.2-3B-GGUF --include "Dolphin3.0-Llama3.2-3B-Q4_K_M.gguf" --local-dir ./

如果模型大小超過50GB，它會被拆分為多個文件。若要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/Dolphin3.0-Llama3.2-3B-GGUF --include "Dolphin3.0-Llama3.2-3B-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如Dolphin3.0-Llama3.2-3B-Q8_0），也可以直接下載到當前目錄（./）。

💻 使用示例

基礎用法

以下是提示格式示例：

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

📚 詳細文檔

模型信息

下載文件選擇

嵌入/輸出權重說明

部分量化版本（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，而非默認設置。

ARM/AVX信息

以前，你會下載Q4_0_4_4/4_8/8_8版本，這些版本的權重會在內存中交錯排列，以提高ARM和AVX機器的性能，一次加載更多數據。 現在，有了所謂的權重“在線重打包”功能，詳情見 此PR。如果你使用Q4_0，並且你的硬件能從權重重打包中受益，它會自動即時進行處理。 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。

選擇合適的文件

🔧 技術細節

在線重打包

以前，為了提高ARM和AVX機器的性能，會下載Q4_0_4_4/4_8/8_8版本，其權重在內存中交錯排列，以便一次加載更多數據。現在有了“在線重打包”功能，詳情見 此PR。使用Q4_0時，若硬件能從中受益，會自動即時處理。從llama.cpp構建版本 b4282 起，無法運行Q4_0_X_X文件，需使用Q4_0。此外，IQ4_NL可通過 此PR 為ARM重打包權重，雖加載時間可能變長，但總體速度會提高。

性能對比

📄 許可證

本項目使用的模型遵循llama3.2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