Thedrummer Cydonia 24B V2 GGUF

🚀 TheDrummer的Cydonia-24B-v2的Llamacpp imatrix量化版本

本項目是TheDrummer的Cydonia-24B-v2模型的量化版本，使用llama.cpp進行量化處理，提供了多種量化類型的文件供用戶選擇，以滿足不同的硬件和性能需求。

🚀 快速開始

本項目使用 llama.cpp 的 b4688 版本進行量化。原始模型可在 這裡 查看。

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的項目來運行。

✨ 主要特性

• 多種量化類型：提供了豐富的量化類型，如Q8_0、Q6_K_L、Q5_K_L等，滿足不同的質量和性能需求。
• 在線重打包：部分量化類型支持在線重打包，可自動優化ARM和AVX機器的性能。
• 嵌入/輸出權重優化：部分量化類型對嵌入和輸出權重進行了優化，提高了模型質量。

📦 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/TheDrummer_Cydonia-24B-v2-GGUF --include "TheDrummer_Cydonia-24B-v2-Q4_K_M.gguf" --local-dir ./

如果模型文件大於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，可以運行：

huggingface-cli download bartowski/TheDrummer_Cydonia-24B-v2-GGUF --include "TheDrummer_Cydonia-24B-v2-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

基礎用法

在LM Studio中運行模型，只需將下載的量化文件加載到LM Studio中即可開始使用。

高級用法

使用llama.cpp直接運行模型，你可以根據自己的需求調整參數，以獲得更好的性能和效果。

📚 詳細文檔

提示格式

未找到特定的提示格式，請查看原始模型頁面。

下載文件選擇

嵌入/輸出權重

部分量化類型（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文件，這些文件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。

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，並且你的硬件可以從權重重打包中受益，它將自動即時進行重打包。

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，如果你想獲得略好的質量，可以使用IQ4_NL，感謝 此PR，它也會為ARM重打包權重，不過目前僅適用於4_4。加載時間可能會較慢，但總體速度會提高。

選擇哪個文件？

首先，你需要確定你可以運行多大的模型。為此，你需要了解你有多少內存（RAM）和/或顯存（VRAM）。

如果你希望模型運行得儘可能快，你需要將整個模型放入GPU的顯存中。選擇文件大小比GPU總顯存小1 - 2GB的量化文件。

如果你追求絕對最高質量，將系統內存和GPU顯存相加，然後選擇文件大小比該總和小1 - 2GB的量化文件。

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量化文件，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

一般來說，如果你目標是低於Q4的量化，並且使用cuBLAS（Nvidia）或rocBLAS（AMD），你應該考慮I量化文件，格式為IQX_X，如IQ3_M。這些是較新的量化類型，在相同大小下提供更好的性能。

I量化文件也可以在CPU和Apple Metal上使用，但比相應的K量化文件慢，因此你需要在速度和性能之間進行權衡。

I量化文件與Vulcan（也是AMD的）不兼容，所以如果你使用AMD顯卡，請仔細檢查你使用的是rocBLAS版本還是Vulcan版本。在撰寫本文時，LM Studio有一個支持ROCm的預覽版，其他推理引擎也有針對ROCm的特定版本。

🔧 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文件，這些文件的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。如果你使用Q4_0，並且你的硬件可以從權重重打包中受益，它將自動即時進行重打包。

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。

I量化文件

如果你想獲得略好的質量，可以使用IQ4_NL，感謝 此PR，它也會為ARM重打包權重，不過目前僅適用於4_4。加載時間可能會較慢，但總體速度會提高。

I量化文件（格式為IQX_X，如IQ3_M）是較新的量化類型，在相同大小下提供更好的性能。但它們與Vulcan不兼容，並且在CPU和Apple Metal上使用時比相應的K量化文件慢。

📄 許可證

本項目使用其他許可證，具體請參考相關說明。

致謝

感謝kalomaze和Dampf協助創建imatrix校準數據集。 感謝ZeroWw啟發了對嵌入/輸出的實驗。 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