Qwen Qwen2.5 VL 32B Instruct GGUF

🚀 Qwen2.5-VL-32B-Instruct的Llamacpp imatrix量化版本

本項目是對Qwen2.5-VL-32B-Instruct模型進行的量化處理，使用特定工具和方法生成不同量化類型的文件，方便在不同硬件環境下高效運行該模型。

🚀 快速開始

本項目使用 llama.cpp 發佈版本 b5284 進行量化。 原始模型地址：https://huggingface.co/Qwen/Qwen2.5-VL-32B-Instruct 所有量化文件均使用imatrix選項，並使用來自 此處 的數據集生成。

你可以在 LM Studio 中運行這些量化文件，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

• 多量化類型：提供了多種量化類型的文件，如bf16、Q8_0、Q6_K_L等，以滿足不同硬件和性能需求。
• 在線重打包：部分量化文件支持在線重打包權重，可在ARM和AVX機器上自動優化性能。
• 下載靈活：支持使用huggingface-cli下載特定文件或整個模型。

📦 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/Qwen_Qwen2.5-VL-32B-Instruct-GGUF --include "Qwen_Qwen2.5-VL-32B-Instruct-Q4_K_M.gguf" --local-dir ./

下載拆分文件

如果模型大小超過50GB，它會被拆分為多個文件。要將它們全部下載到本地文件夾，請運行：

huggingface-cli download bartowski/Qwen_Qwen2.5-VL-32B-Instruct-GGUF --include "Qwen_Qwen2.5-VL-32B-Instruct-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如Qwen_Qwen2.5-VL-32B-Instruct-Q8_0），也可以將它們全部下載到當前目錄（./）。

💻 使用示例

基礎用法

提示格式

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

📚 詳細文檔

量化文件下載

嵌入/輸出權重

部分量化文件（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。

然而，現在有了一種稱為“在線重打包”的權重處理方法。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，不過目前僅適用於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

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，其權重在內存中交錯排列，以一次加載更多數據。現在有了“在線重打包”功能，詳情見 此PR。使用Q4_0時，若硬件適合重打包權重，會自動即時進行。從llama.cpp構建版本 b4282 起，不能運行Q4_0_X_X文件，需使用Q4_0。此外，根據 此PR，使用IQ4_NL可在ARM上重打包權重（目前僅4_4），加載時間可能長，但總體速度提高。

性能測試

📄 許可證

本項目採用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/輸出實驗方面提供的靈感。 感謝LM Studio對本項目的贊助。

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