模型概述
模型特點
模型能力
使用案例
🚀 TheDrummer的Snowpiercer-15B-v1量化模型
本項目是TheDrummer的Snowpiercer-15B-v1模型的量化版本,使用量化技術對模型進行處理,以在不同硬件條件下實現更高效的推理。通過量化,模型可以在資源受限的設備上運行,同時保持較高的性能和質量。
🚀 快速開始
本項目使用 llama.cpp 發佈版本 b5338 進行量化。
- 原始模型:TheDrummer/Snowpiercer-15B-v1
- 所有量化模型均使用 imatrix 選項和來自 此處 的數據集生成。
- 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 的項目來運行。
✨ 主要特性
提示格式
<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant
量化模型文件
文件名 | 量化類型 | 文件大小 | 拆分情況 | 描述 |
---|---|---|---|---|
Snowpiercer-15B-v1-bf16.gguf | bf16 | 29.96GB | false | 完整的BF16權重。 |
Snowpiercer-15B-v1-Q8_0.gguf | Q8_0 | 15.92GB | false | 極高質量,通常不需要,但為最大可用量化。 |
Snowpiercer-15B-v1-Q6_K_L.gguf | Q6_K_L | 12.62GB | false | 嵌入和輸出權重使用Q8_0。非常高質量,接近完美,推薦。 |
Snowpiercer-15B-v1-Q6_K.gguf | Q6_K | 12.29GB | false | 非常高質量,接近完美,推薦。 |
Snowpiercer-15B-v1-Q5_K_L.gguf | Q5_K_L | 11.07GB | false | 嵌入和輸出權重使用Q8_0。高質量,推薦。 |
Snowpiercer-15B-v1-Q5_K_M.gguf | Q5_K_M | 10.65GB | false | 高質量,推薦。 |
Snowpiercer-15B-v1-Q5_K_S.gguf | Q5_K_S | 10.39GB | false | 高質量,推薦。 |
Snowpiercer-15B-v1-Q4_K_L.gguf | Q4_K_L | 9.61GB | false | 嵌入和輸出權重使用Q8_0。質量良好,推薦。 |
Snowpiercer-15B-v1-Q4_1.gguf | Q4_1 | 9.50GB | false | 舊格式,性能與Q4_K_S相似,但在蘋果硅芯片上每瓦處理的令牌數有所提高。 |
Snowpiercer-15B-v1-Q4_K_M.gguf | Q4_K_M | 9.11GB | false | 質量良好,是大多數用例的默認大小,推薦。 |
Snowpiercer-15B-v1-Q4_K_S.gguf | Q4_K_S | 8.66GB | false | 質量略低,但節省更多空間,推薦。 |
Snowpiercer-15B-v1-IQ4_NL.gguf | IQ4_NL | 8.64GB | false | 與IQ4_XS相似,但略大。支持ARM CPU推理的在線重新打包。 |
Snowpiercer-15B-v1-Q4_0.gguf | Q4_0 | 8.63GB | false | 舊格式,支持ARM和AVX CPU推理的在線重新打包。 |
Snowpiercer-15B-v1-Q3_K_XL.gguf | Q3_K_XL | 8.58GB | false | 嵌入和輸出權重使用Q8_0。質量較低但可用,適合低內存情況。 |
Snowpiercer-15B-v1-IQ4_XS.gguf | IQ4_XS | 8.20GB | false | 質量不錯,比Q4_K_S小且性能相似,推薦。 |
Snowpiercer-15B-v1-Q3_K_L.gguf | Q3_K_L | 7.99GB | false | 質量較低但可用,適合低內存情況。 |
Snowpiercer-15B-v1-Q3_K_M.gguf | Q3_K_M | 7.40GB | false | 低質量。 |
Snowpiercer-15B-v1-IQ3_M.gguf | IQ3_M | 6.94GB | false | 中低質量,新方法,性能與Q3_K_M相當。 |
Snowpiercer-15B-v1-Q3_K_S.gguf | Q3_K_S | 6.71GB | false | 低質量,不推薦。 |
Snowpiercer-15B-v1-Q2_K_L.gguf | Q2_K_L | 6.45GB | false | 嵌入和輸出權重使用Q8_0。質量非常低但意外可用。 |
Snowpiercer-15B-v1-IQ3_XS.gguf | IQ3_XS | 6.42GB | false | 質量較低,新方法,性能不錯,略優於Q3_K_S。 |
Snowpiercer-15B-v1-IQ3_XXS.gguf | IQ3_XXS | 5.99GB | false | 質量較低,新方法,性能不錯,與Q3量化相當。 |
Snowpiercer-15B-v1-Q2_K.gguf | Q2_K | 5.79GB | false | 質量非常低但意外可用。 |
Snowpiercer-15B-v1-IQ2_M.gguf | IQ2_M | 5.35GB | false | 質量相對較低,使用最先進技術,意外可用。 |
Snowpiercer-15B-v1-IQ2_S.gguf | IQ2_S | 4.98GB | false | 低質量,使用最先進技術,可用。 |
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,並且你的硬件能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,如果你想獲得略高的質量,可以使用IQ4_NL,感謝 此PR,它也會為ARM重新打包權重,不過目前僅適用於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
點擊查看詳情
Artefact2在 此處 提供了一篇很棒的文章,配有圖表展示各種性能。
首先要確定你能運行多大的模型。為此,你需要了解自己有多少內存(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的量化模型。
如果你追求絕對的最高質量,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。這些模型的格式為“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:
但基本上,如果你目標是低於Q4的量化,並且你使用的是cuBLAS(英偉達)或rocBLAS(AMD),你應該考慮I量化模型。這些模型的格式為IQX_X,如IQ3_M。它們是較新的模型,在相同大小下性能更好。
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,所以你需要在速度和性能之間做出權衡。
📦 安裝指南
使用huggingface-cli下載
點擊查看下載說明
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/TheDrummer_Snowpiercer-15B-v1-GGUF --include "TheDrummer_Snowpiercer-15B-v1-Q4_K_M.gguf" --local-dir ./
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/TheDrummer_Snowpiercer-15B-v1-GGUF --include "TheDrummer_Snowpiercer-15B-v1-Q8_0/*" --local-dir ./
你可以指定一個新的本地目錄(如TheDrummer_Snowpiercer-15B-v1-Q8_0),也可以將它們全部下載到當前目錄(./)。
📚 詳細文檔
選擇合適的文件
點擊查看詳情
Artefact2在 此處 提供了一篇很棒的文章,配有圖表展示各種性能。
首先要確定你能運行多大的模型。為此,你需要了解自己有多少內存(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的量化模型。
如果你追求絕對的最高質量,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。這些模型的格式為“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:
但基本上,如果你目標是低於Q4的量化,並且你使用的是cuBLAS(英偉達)或rocBLAS(AMD),你應該考慮I量化模型。這些模型的格式為IQX_X,如IQ3_M。它們是較新的模型,在相同大小下性能更好。
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,所以你需要在速度和性能之間做出權衡。
🔧 技術細節
量化方法
使用 llama.cpp 發佈版本 b5338 進行量化。所有量化模型均使用 imatrix 選項和來自 此處 的數據集生成。
ARM/AVX優化
以前,模型的權重會在內存中交錯排列,以提高ARM和AVX機器的性能。現在,有了“在線重新打包”的權重處理方式,如果你使用Q4_0,並且硬件能從重新打包權重中受益,它將自動即時進行處理。
📄 許可證
本項目採用MIT許可證。
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



