Deepthink Reasoning 7B GGUF

🚀 Deepthink-Reasoning-7B的Llamacpp imatrix量化版本

本項目是對Deepthink-Reasoning-7B模型進行的Llamacpp imatrix量化，解決了在不同硬件條件下高效運行該模型的問題，為用戶提供了多種量化類型的選擇，以滿足不同的性能和質量需求。

🚀 快速開始

使用 llama.cpp 的 b4404 版本進行量化。 原始模型：https://huggingface.co/prithivMLmods/Deepthink-Reasoning-7B 所有量化文件均使用imatrix選項，並採用來自 此處 的數據集生成。 你可以在 LM Studio 中運行這些量化文件。

✨ 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，如f16、Q8_0、Q6_K_L等，以平衡模型質量和文件大小。
• 在線重打包：部分量化文件支持在線重打包，可自動優化在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。

📦 安裝指南

使用huggingface-cli下載文件

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/Deepthink-Reasoning-7B-GGUF --include "Deepthink-Reasoning-7B-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/Deepthink-Reasoning-7B-GGUF --include "Deepthink-Reasoning-7B-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄（如Deepthink-Reasoning-7B-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

下載文件選擇

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，現在有了所謂的權重“在線重打包”功能，詳情見 此PR。如果你使用Q4_0，且你的硬件能從權重重打包中受益，它會自動即時進行。 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，不過目前僅支持4_4。加載時間可能會更長，但總體速度會提高。

選擇哪個文件？

Artefact2 提供了一篇很棒的文章，帶有展示各種性能的圖表，點擊此處查看 首先，你需要確定你能運行多大的模型。為此，你需要了解你有多少系統內存（RAM）和/或顯存（VRAM）。 如果你希望模型儘可能快地運行，你需要將整個模型放入GPU的顯存中。選擇一個文件大小比你的GPU總顯存小1 - 2GB的量化文件。 如果你追求絕對最高質量，將你的系統內存和GPU顯存相加，然後選擇一個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，選擇一個K量化文件。這些文件的格式為“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功能圖表： llama.cpp功能矩陣 但基本上，如果你目標是低於Q4的量化，並且你使用的是cuBLAS（Nvidia）或rocBLAS（AMD），你應該考慮I量化文件。這些文件的格式為IQX_X，如IQ3_M。這些是較新的格式，在相同大小下提供更好的性能。 這些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做出權衡。 I量化文件 不 與Vulcan兼容，Vulcan也是AMD的技術，所以如果你使用的是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

Q4_0_X_X信息（已棄用）

保留此部分是為了展示使用支持在線重打包的Q4_0在理論上可能的性能提升。

📄 許可證

本項目採用 creativeml-openrail-m 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。 如果你想支持我的工作，請訪問我的ko-fi頁面：https://ko-fi.com/bartowski