Nvidia OpenCodeReasoning Nemotron 32B IOI GGUF

🚀 NVIDIA OpenCodeReasoning-Nemotron-32B-IOI的Llamacpp imatrix量化版本

本項目是對NVIDIA的OpenCodeReasoning-Nemotron-32B-IOI模型進行的量化處理，使用了llamacpp工具，旨在為不同硬件條件的用戶提供更靈活的模型使用方案。

基本信息

🚀 快速開始

本項目使用 llama.cpp 的 b5306 版本進行量化。原始模型可在 這裡 查看。

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 中運行這些模型，也可以直接使用 llama.cpp 或任何基於 llama.cpp 的項目來運行。

✨ 主要特性

• 多種量化類型：提供了豐富的量化類型供用戶選擇，以滿足不同的硬件和性能需求。
• 在線重打包：部分量化模型支持在線重打包，可在運行時自動優化性能。
• 詳細文檔：提供了詳細的下載和使用說明，方便用戶操作。

📦 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具體文件：

huggingface-cli download bartowski/nvidia_OpenCodeReasoning-Nemotron-32B-IOI-GGUF --include "nvidia_OpenCodeReasoning-Nemotron-32B-IOI-Q4_K_M.gguf" --local-dir ./

如果模型大小超過50GB，它會被分割成多個文件。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/nvidia_OpenCodeReasoning-Nemotron-32B-IOI-GGUF --include "nvidia_OpenCodeReasoning-Nemotron-32B-IOI-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄，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，而非默認值。

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”的權重處理方式，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，它將在運行時自動進行。

從llama.cpp構建 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。

如何選擇文件

🔧 技術細節

Q4_0_X_X信息（已棄用）

保留此部分是為了展示使用帶有在線重打包的Q4_0在理論上的性能提升。

📄 許可證

本項目使用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/輸出實驗方面的啟發。

感謝LM Studio對我工作的贊助。

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