Qcammel 70 X GGUF

🚀 qCammel 70 - GGUF

qCammel 70 - GGUF 是基于augtoma的qCammel 70模型转换为GGUF格式的模型文件，支持多种量化方法，适用于不同的使用场景，可在多种客户端和库中使用。

🚀 快速开始

下载GGUF文件

• 自动下载：LM Studio、LoLLMS Web UI、Faraday.dev 等客户端/库会自动提供可用模型列表供你选择下载。
• 在text-generation-webui中下载：在“Download Model”下输入模型仓库地址 TheBloke/qCammel-70-x-GGUF，并指定要下载的文件名，如 qcammel-70-x.q4_K_M.gguf，然后点击“Download”。
• 命令行下载：推荐使用 huggingface-hub Python 库。

  pip3 install huggingface-hub>=0.17.1
  huggingface-cli download TheBloke/qCammel-70-x-GGUF qcammel-70-x.q4_K_M.gguf --local-dir . --local-dir-use-symlinks False
  

运行模型

llama.cpp 命令示例

确保使用的是 d0cee0d36d5be95a0d9088b674dbb27354107221 或更新版本的 llama.cpp。

./main -ngl 32 -m qcammel-70-x.q4_K_M.gguf --color -c 4096 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "A chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, detailed, and polite answers to the user's questions. USER: {prompt} ASSISTANT:"

• -ngl 32：指定要卸载到 GPU 的层数，若没有 GPU 加速可移除该参数。
• -c 4096：指定所需的序列长度。

在 text-generation-webui 中运行

更多说明请参考 text-generation-webui/docs/llama.cpp.md。

从 Python 代码运行

可以使用 llama-cpp-python 或 ctransformers 库从 Python 中使用 GGUF 模型。

from ctransformers import AutoModelForCausalLM

# Set gpu_layers to the number of layers to offload to GPU. Set to 0 if no GPU acceleration is available on your system.
llm = AutoModelForCausalLM.from_pretrained("TheBloke/qCammel-70-x-GGUF", model_file="qcammel-70-x.q4_K_M.gguf", model_type="llama", gpu_layers=50)

print(llm("AI is going to"))

✨ 主要特性

• 支持多种量化方法：提供了 Q2_K、Q3_K_S、Q3_K_M 等多种量化方法的文件，可根据不同的使用场景和需求进行选择。
• 广泛的兼容性：与 llama.cpp 及众多第三方 UI 和库兼容，如 text-generation-webui、KoboldCpp 等。
• 易于使用：可通过多种方式下载和运行，支持从 Python 代码调用。

📦 安装指南

安装依赖库

下载 GGUF 文件所需依赖

pip3 install huggingface-hub>=0.17.1

使用 ctransformers 库所需依赖

# Base ctransformers with no GPU acceleration
pip install ctransformers>=0.2.24
# Or with CUDA GPU acceleration
pip install ctransformers[cuda]>=0.2.24
# Or with ROCm GPU acceleration
CT_HIPBLAS=1 pip install ctransformers>=0.2.24 --no-binary ctransformers
# Or with Metal GPU acceleration for macOS systems
CT_METAL=1 pip install ctransformers>=0.2.24 --no-binary ctransformers

💻 使用示例

从 Python 代码加载模型

from ctransformers import AutoModelForCausalLM

# Set gpu_layers to the number of layers to offload to GPU. Set to 0 if no GPU acceleration is available on your system.
llm = AutoModelForCausalLM.from_pretrained("TheBloke/qCammel-70-x-GGUF", model_file="qcammel-70-x.q4_K_M.gguf", model_type="llama", gpu_layers=50)

print(llm("AI is going to"))

📚 详细文档

关于 GGUF

GGUF 是 llama.cpp 团队在 2023 年 8 月 21 日引入的一种新格式，它取代了不再受 llama.cpp 支持的 GGML 格式。GGUF 具有诸多优势，如更好的分词功能、对特殊标记的支持、支持元数据，并且设计为可扩展的。

已知支持 GGUF 的客户端和库包括：

• llama.cpp：GGUF 的源项目，提供 CLI 和服务器选项。
• text-generation-webui：最广泛使用的 Web UI，具有许多功能和强大的扩展，支持 GPU 加速。
• KoboldCpp：功能齐全的 Web UI，支持跨所有平台和 GPU 架构的 GPU 加速，特别适合讲故事。
• LM Studio：适用于 Windows 和 macOS（Silicon）的易于使用且功能强大的本地 GUI，支持 GPU 加速。
• LoLLMS Web UI：一个很棒的 Web UI，具有许多有趣和独特的功能，包括一个完整的模型库，便于模型选择。
• Faraday.dev：一个有吸引力且易于使用的基于角色的聊天 GUI，适用于 Windows 和 macOS（Silicon 和 Intel），支持 GPU 加速。
• ctransformers：一个支持 GPU 加速、LangChain 支持和 OpenAI 兼容 AI 服务器的 Python 库。
• llama-cpp-python：一个支持 GPU 加速、LangChain 支持和 OpenAI 兼容 API 服务器的 Python 库。
• candle：一个专注于性能的 Rust ML 框架，包括 GPU 支持和易于使用。

可用的仓库

• 用于 GPU 推理的 AWQ 模型
• 用于 GPU 推理的 GPTQ 模型，具有多种量化参数选项
• 用于 CPU+GPU 推理的 2、3、4、5、6 和 8 位 GGUF 模型
• augtoma 原始未量化的 fp16 格式的 PyTorch 模型，用于 GPU 推理和进一步转换

提示模板：Vicuna

A chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, detailed, and polite answers to the user's questions. USER: {prompt} ASSISTANT:

提供的文件

注意：上述 RAM 数字假设没有进行 GPU 卸载。如果将层卸载到 GPU，将减少 RAM 使用并使用 VRAM。

Q6_K 和 Q8_0 文件的拆分与合并

由于 Hugging Face 不支持上传大于 50GB 的文件，因此 Q6_K 和 Q8_0 文件以拆分文件的形式上传。

下载拆分文件

• Q6_K：
  • qcammel-70-x.Q6_K.gguf-split-a
  • qcammel-70-x.Q6_K.gguf-split-b
• Q8_0：
  • qcammel-70-x.Q8_0.gguf-split-a
  • qcammel-70-x.Q8_0.gguf-split-b

合并文件

• Linux 和 macOS：

cat qcammel-70-x.Q6_K.gguf-split-* > qcammel-70-x.Q6_K.gguf && rm qcammel-70-x.Q6_K.gguf-split-*
cat qcammel-70-x.Q8_0.gguf-split-* > qcammel-70-x.Q8_0.gguf && rm qcammel-70-x.Q8_0.gguf-split-*

• Windows 命令行：

COPY /B qcammel-70-x.Q6_K.gguf-split-a + qcammel-70-x.Q6_K.gguf-split-b qcammel-70-x.Q6_K.gguf
del qcammel-70-x.Q6_K.gguf-split-a qcammel-70-x.Q6_K.gguf-split-b

COPY /B qcammel-70-x.Q8_0.gguf-split-a + qcammel-70-x.Q8_0.gguf-split-b qcammel-70-x.Q8_0.gguf
del qcammel-70-x.Q8_0.gguf-split-a qcammel-70-x.Q8_0.gguf-split-b

量化方法说明

如何使用 LangChain

以下是使用 llama-cpp-python 或 ctransformers 与 LangChain 的指南：

• LangChain + llama-cpp-python
• LangChain + ctransformers

🔧 技术细节

qCammel 70 - GGUF 基于 augtoma 的 qCammel 70 模型，该模型是基于 Llama 2 架构的微调模型。Llama 2 是一种自回归语言模型，使用仅解码器的 Transformer 架构。

模型信息

研究论文

• Clinical Camel: An Open-Source Expert-Level Medical Language Model with Dialogue-Based Knowledge Encoding
• QLoRA: Efficient Finetuning of Quantized LLMs
• LLaMA: Open and Efficient Foundation Language Models

📄 许可证

源模型的创建者将其许可证列为 other，因此此量化版本也使用相同的许可证。

由于该模型基于 Llama 2，它也受 Meta Llama 2 许可证条款的约束，并且额外包含了该许可证文件。因此，应认为该模型声称同时受这两种许可证的约束。我已联系 Hugging Face 以澄清双重许可问题，但他们尚未有官方立场。如果情况发生变化，或者 Meta 对此情况提供任何反馈，我将相应更新此部分。

在此期间，有关许可证的任何问题，特别是这两种许可证如何相互作用的问题，应咨询原始模型仓库：augtoma's qCammel 70。

其他信息

Discord

如需进一步支持，以及讨论这些模型和人工智能相关话题，请加入：TheBloke AI's Discord server

感谢与贡献

感谢 chirper.ai 团队和 gpus.llm-utils.org 的 Clay！

如果您愿意贡献，这将非常感激，有助于提供更多模型并开展新的 AI 项目。捐赠者将在任何 AI/LLM/模型问题和请求上获得优先支持，访问私人 Discord 房间以及其他福利。

• Patreon: https://patreon.com/TheBlokeAI
• Ko-Fi: https://ko-fi.com/TheBlokeAI

特别感谢：Aemon Algiz。

Patreon 特别提及：Alicia Loh、Stephen Murray 等众多支持者。

感谢所有慷慨的赞助者和捐赠者！也再次感谢 a16z 的慷慨资助。