Nvidia AceReason Nemotron 1.1 7B GGUF

🚀 NVIDIA AceReason - Nemotron - 1.1 - 7B的量化模型

本項目是對NVIDIA的AceReason - Nemotron - 1.1 - 7B模型進行量化處理，旨在優化模型在不同硬件上的運行效率，同時保持一定的性能和質量。

🚀 快速開始

運行環境

• 可使用 LM Studio 運行量化後的模型。
• 也可以直接使用 llama.cpp 或基於 llama.cpp 的其他項目來運行。

提示格式

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

✨ 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，滿足不同的性能和質量需求。
• 在線重打包：部分量化類型支持在線重打包功能，可自動優化硬件性能。
• 性能提升：通過量化處理，在保證一定質量的前提下，顯著減少模型文件大小，提高運行效率。

📦 安裝指南

安裝 huggingface - cli

pip install -U "huggingface_hub[cli]"

下載指定文件

huggingface-cli download bartowski/nvidia_AceReason-Nemotron-1.1-7B-GGUF --include "nvidia_AceReason-Nemotron-1.1-7B-Q4_K_M.gguf" --local-dir ./

下載拆分文件

如果模型大於 50GB，已拆分為多個文件，可使用以下命令下載到本地文件夾：

huggingface-cli download bartowski/nvidia_AceReason-Nemotron-1.1-7B-GGUF --include "nvidia_AceReason-Nemotron-1.1-7B-Q8_0/*" --local-dir ./

💻 使用示例

選擇合適的量化文件

根據自身硬件配置和需求，選擇合適的量化文件進行下載和使用。具體選擇建議如下：

📚 詳細文檔

量化信息

下載文件列表

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，而非默認值。

ARM/AVX 信息

以前，需要下載 Q4_0_4_4/4_8/8_8 文件，其權重在內存中交錯排列，以提高 ARM 和 AVX 機器的性能。現在，有了“在線重打包”功能，詳情見 此 PR。若使用 Q4_0 且硬件能從權重重打包中受益，將自動即時進行重打包。

從 llama.cpp 構建版本 b4282 開始，無法運行 Q4_0_X_X 文件，需使用 Q4_0。此外，若想獲得稍高質量，可使用 IQ4_NL，詳情見 此 PR，它也會為 ARM 重打包權重，目前僅支持 4_4 情況。加載時間可能會變慢，但總體速度會提高。

🔧 技術細節

本項目使用 llama.cpp 的特定版本（b5674）進行量化處理，利用 imatrix 選項和指定的校準數據集，確保量化的準確性和有效性。同時，引入了在線重打包技術，優化了 ARM 和 AVX 機器上的性能。

📄 許可證

本項目使用 [NVIDIA 開放模型許可證](https://www.nvidia.com/en - us/agreements/enterprise - software/nvidia - open - model - license/)。

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。

如果您想支持我的工作，請訪問我的 ko - fi 頁面：[https://ko - fi.com/bartowski](https://ko - fi.com/bartowski)