🚀 TreeVGR-7B-CI 模型介紹
本項目提供了基於視覺的問答、視覺定位和視覺推理的模型量化版本,方便用戶在不同場景下使用。
📦 模型信息
屬性 |
詳情 |
基礎模型 |
HaochenWang/TreeVGR-7B-CI |
訓練數據集 |
HaochenWang/TreeBench、HaochenWang/TreeVGR-RL-37K、HaochenWang/TreeVGR-SFT-35K |
語言 |
英語 |
庫名稱 |
transformers |
許可證 |
apache-2.0 |
量化者 |
mradermacher |
標籤 |
視覺問答、視覺定位、視覺推理、qwen |
📚 關於模型
加權/矩陣量化版本來自 https://huggingface.co/HaochenWang/TreeVGR-7B-CI。
如需便捷的概述和下載列表,請訪問我們的 該模型頁面。
靜態量化版本可在 https://huggingface.co/mradermacher/TreeVGR-7B-CI-GGUF 獲取。
這是一個視覺模型 - mmproj 文件(如果有)將存於 靜態倉庫。
💻 使用說明
如果您不確定如何使用 GGUF 文件,請參考 TheBloke 的 README 獲取更多詳細信息,包括如何拼接多部分文件。
📋 提供的量化版本
(按大小排序,不一定按質量排序。IQ 量化通常優於類似大小的非 IQ 量化)
鏈接 |
類型 |
大小(GB) |
備註 |
GGUF |
i1-IQ1_S |
2.0 |
適用於資源緊張情況 |
GGUF |
i1-IQ1_M |
2.1 |
多數情況下資源緊張 |
GGUF |
i1-IQ2_XXS |
2.4 |
|
GGUF |
i1-IQ2_XS |
2.6 |
|
GGUF |
i1-IQ2_S |
2.7 |
|
GGUF |
i1-IQ2_M |
2.9 |
|
GGUF |
i1-Q2_K_S |
2.9 |
質量非常低 |
GGUF |
i1-Q2_K |
3.1 |
IQ3_XXS 可能更好 |
GGUF |
i1-IQ3_XXS |
3.2 |
質量較低 |
GGUF |
i1-IQ3_XS |
3.4 |
|
GGUF |
i1-Q3_K_S |
3.6 |
IQ3_XS 可能更好 |
GGUF |
i1-IQ3_S |
3.6 |
優於 Q3_K* |
GGUF |
i1-IQ3_M |
3.7 |
|
GGUF |
i1-Q3_K_M |
3.9 |
IQ3_S 可能更好 |
GGUF |
i1-Q3_K_L |
4.2 |
IQ3_M 可能更好 |
GGUF |
i1-IQ4_XS |
4.3 |
|
GGUF |
i1-IQ4_NL |
4.5 |
優先選擇 IQ4_XS |
GGUF |
i1-Q4_0 |
4.5 |
速度快,質量低 |
GGUF |
i1-Q4_K_S |
4.6 |
大小/速度/質量最優 |
GGUF |
i1-Q4_K_M |
4.8 |
速度快,推薦使用 |
GGUF |
i1-Q4_1 |
5.0 |
|
GGUF |
i1-Q5_K_S |
5.4 |
|
GGUF |
i1-Q5_K_M |
5.5 |
|
GGUF |
i1-Q6_K |
6.4 |
實際上類似靜態 Q6_K |
以下是 ikawrakow 提供的一個對比一些低質量量化類型的便捷圖表(值越低越好):

此外,您可以查看 Artefact2 對此事的看法:https://gist.github.com/Artefact2/b5f810600771265fc1e39442288e8ec9
❓ 常見問題與模型請求
有關您可能遇到的問題的解答,以及如果您希望對其他模型進行量化,請訪問 https://huggingface.co/mradermacher/model_requests。
🙏 致謝
感謝我的公司 nethype GmbH,允許我使用其服務器,並對我的工作站進行升級,使我能夠在業餘時間完成這項工作。此外,感謝 @nicoboss 讓我使用他的私人超級計算機,使我能夠提供更多、質量更高的矩陣量化版本。