Black Ink Guild Pernicious Prophecy 70B GGUF

🚀 Black-Ink-Guild的Pernicious_Prophecy_70B的Llamacpp imatrix量化版本

本項目提供了基於llama.cpp的Black-Ink-Guild/Pernicious_Prophecy_70B模型的量化版本。通過量化，可在不同硬件條件下更高效地運行模型，滿足多種場景需求。

🚀 快速開始

• 使用 LM Studio 運行量化模型。
• 也可以使用 llama.cpp 或其他基於llama.cpp的項目直接運行。

✨ 主要特性

• 多種量化類型：提供了豐富的量化類型選擇，如Q8_0、Q6_K、Q5_K_M等，可根據不同的硬件條件和性能需求進行選擇。
• 高質量輸出：部分量化類型在保證模型大小的同時，仍能提供較高的輸出質量。
• 在線重打包：部分量化類型支持在線重打包，可自動優化硬件性能。

📦 安裝指南

安裝huggingface-cli

確保你已經安裝了huggingface-cli：

pip install -U "huggingface_hub[cli]"

下載指定文件

你可以指定要下載的具體文件：

huggingface-cli download bartowski/Black-Ink-Guild_Pernicious_Prophecy_70B-GGUF --include "Black-Ink-Guild_Pernicious_Prophecy_70B-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/Black-Ink-Guild_Pernicious_Prophecy_70B-GGUF --include "Black-Ink-Guild_Pernicious_Prophecy_70B-Q8_0/*" --local-dir ./

你可以指定一個新的本地目錄，也可以將它們全部下載到當前目錄。

💻 使用示例

提示格式

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

{system_prompt}<|eot_id|><|start_header_id|>user<|end_header_id|>

{prompt}<|eot_id|><|start_header_id|>assistant<|end_header_id|>

📚 詳細文檔

下載文件

你可以從以下列表中下載文件（不是整個分支）：

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，而非通常的默認值。

ARM/AVX信息

以前，你會下載Q4_0_4_4/4_8/8_8，這些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。

現在，有了所謂的“在線重打包”權重。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。

從llama.cpp構建 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，感謝 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。

如何選擇文件

首先，你需要確定可以運行的模型大小。為此，你需要了解自己擁有多少RAM和/或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VRAM中。選擇文件大小比GPU總VRAM小1 - 2GB的量化版本。
• 如果你追求絕對最高質量，將系統RAM和GPU的VRAM相加，然後選擇文件大小比該總和小1 - 2GB的量化版本。

接下來，你需要決定是否使用“I - 量化”或“K - 量化”。

• 如果你不想考慮太多，選擇K - 量化。這些格式為“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特性圖表：llama.cpp特性矩陣

一般來說，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。這些格式為IQX_X，如IQ3_M。這些是較新的量化類型，相同大小下性能更好。

I - 量化也可以在CPU和Apple Metal上使用，但比對應的K - 量化慢，所以你需要在速度和性能之間進行權衡。

I - 量化與Vulcan（也是AMD）不兼容，所以如果你有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

量化方法

使用 llama.cpp 發佈版本 b4585 進行量化。所有量化均使用imatrix選項，並使用來自 此處 的數據集。

在線重打包

Q4_0支持在線重打包權重，可根據硬件自動優化性能。具體細節見 此PR。

📄 許可證

本項目使用llama3.3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