Google Gemma 3 4b It Qat GGUF

🚀 Google Gemma-3-4b-it-qat的Llamacpp imatrix量化版本

本項目是對Google提供的Gemma-3-4b-it-qat模型進行量化處理。這些量化版本基於Google提供的QAT（量化感知訓練）權重生成。

主要特性

• 多種量化類型：提供了豐富的量化類型，如Q4_0、Q4_1、Q5_K_M等，以滿足不同的性能和質量需求。
• 性能優化：部分量化版本（如Q4_0）由於採用了QAT技術，性能有所提升，並且支持為ARM和AVX CPU推理進行在線重新打包。
• 多平臺支持：可以在LM Studio中運行，也可以直接使用llama.cpp或其他基於llama.cpp的項目運行。

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/google_gemma-3-4b-it-qat-GGUF --include "google_gemma-3-4b-it-qat-Q4_K_M.gguf" --local-dir ./

下載拆分文件

如果模型大於50GB，它會被拆分成多個文件。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/google_gemma-3-4b-it-qat-GGUF --include "google_gemma-3-4b-it-qat-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如google_gemma-3-4b-it-qat-Q8_0），也可以將它們全部下載到當前目錄（./）。

使用示例

運行模型

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

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

詳細文檔

量化文件信息

嵌入/輸出權重

部分量化版本（如Q3_K_XL、Q4_K_L等）採用了標準的量化方法，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。

現在，有了一種稱為“在線重新打包”的權重處理方式，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，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

使用llama.cpp的發佈版本b5147進行量化。所有量化版本都使用imatrix選項，並使用來自這裡的數據集。

許可證

本項目使用Gemma許可證。要在Hugging Face上訪問Gemma，你需要審查並同意Google的使用許可。請確保你已登錄Hugging Face，然後點擊下方按鈕。請求將立即處理。

致謝

感謝kalomaze和Dampf協助創建imatrix校準數據集。 感謝ZeroWw提供的關於嵌入/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