Akhil Theerthala Kuvera 8B V0.1.0 GGUF

🚀 Akhil - Theerthala的Kuvera - 8B - v0.1.0的Llamacpp imatrix量化版本

本項目是Akhil - Theerthala的Kuvera - 8B - v0.1.0模型的量化版本，利用llamacpp進行量化處理，可用於金融、個人理財等領域的文本生成任務。

🚀 快速開始

使用 llama.cpp 版本 b5596 進行量化。 原始模型地址：https://huggingface.co/Akhil - Theerthala/Kuvera - 8B - v0.1.0

所有量化模型均使用imatrix選項，並採用來自 此處 的數據集生成。

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選擇，如bf16、Q8_0、Q6_K_L等，以滿足不同的性能和質量需求。
• 在線重打包：部分量化模型支持在線重打包，可自動優化ARM和AVX機器上的性能。
• 靈活下載：支持使用huggingface - cli下載特定文件或整個模型分支。

📦 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特定文件：

huggingface-cli download bartowski/Akhil-Theerthala_Kuvera-8B-v0.1.0-GGUF --include "Akhil-Theerthala_Kuvera-8B-v0.1.0-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/Akhil-Theerthala_Kuvera-8B-v0.1.0-GGUF --include "Akhil-Theerthala_Kuvera-8B-v0.1.0-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如Akhil - Theerthala_Kuvera - 8B - v0.1.0 - Q8_0），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，現在有了一種名為“在線重打包”的權重處理方式，詳情見 此PR。如果你使用Q4_0，並且你的硬件能從權重重打包中受益，它會自動即時進行重打包。

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，如果你想獲得更好的質量，可以使用IQ4_NL，這得益於 此PR，它也會為ARM重打包權重，不過目前僅適用於4_4。加載時間可能會更長，但總體速度會提高。

選擇合適的文件

🔧 技術細節

量化方法

使用 llama.cpp 版本 b5596 進行量化，所有量化模型均使用imatrix選項，並採用特定數據集進行校準。

在線重打包

對於支持在線重打包的量化模型（如Q4_0），當硬件適合時，會自動即時重打包權重以提高性能，具體實現參考 此PR。

📄 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