%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
模型简介
模型特点
模型能力
使用案例
🚀 NousResearch的DeepHermes-3-Llama-3-3B-Preview的Llamacpp imatrix量化模型
本项目提供了NousResearch的DeepHermes-3-Llama-3-3B-Preview模型的量化版本，使用llama.cpp工具进行量化处理，方便在不同硬件环境下高效运行。
🚀 快速开始
量化工具
原始模型
原始模型链接：https://huggingface.co/NousResearch/DeepHermes-3-Llama-3-3B-Preview
量化数据集
所有量化模型均使用imatrix选项，并采用来自 此处 的数据集。
运行方式
✨ 主要特性
- 多种量化类型：提供了丰富的量化类型，如
bf16、Q8_0、Q6_K_L等，满足不同硬件和性能需求。 - 灵活的运行方式：支持在LM Studio和基于
llama.cpp的项目中运行。 - 详细的提示格式：明确了模型的提示格式，方便用户使用。
📦 安装指南
安装huggingface-cli
首先，确保你已安装huggingface-cli：
pip install -U "huggingface_hub[cli]"
下载指定文件
你可以根据需求下载特定的量化文件，例如：
huggingface-cli download bartowski/NousResearch_DeepHermes-3-Llama-3-3B-Preview-GGUF --include "NousResearch_DeepHermes-3-Llama-3-3B-Preview-Q4_K_M.gguf" --local-dir ./
下载拆分文件
如果模型大小超过50GB，可能已拆分为多个文件。要将它们全部下载到本地文件夹，请运行：
huggingface-cli download bartowski/NousResearch_DeepHermes-3-Llama-3-3B-Preview-GGUF --include "NousResearch_DeepHermes-3-Llama-3-3B-Preview-Q8_0/*" --local-dir ./
你可以指定新的本地目录，也可以将它们全部下载到当前目录（./）。
💻 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|>
📚 详细文档
下载文件列表
嵌入/输出权重
部分量化模型（如Q3_K_XL、Q4_K_L等）采用标准量化方法，将嵌入和输出权重量化为Q8_0，而非默认值。
ARM/AVX信息
以前，你会下载Q4_0_4_4/4_8/8_8文件，这些文件的权重会在内存中交错排列，以便在ARM和AVX机器上通过一次加载更多数据来提高性能。
然而，现在有了所谓的“在线重新打包”权重功能，详情见 此PR。如果你使用Q4_0，并且你的硬件能从重新打包权重中受益，它将自动实时进行。
从llama.cpp构建版本 b4282 开始，你将无法运行Q4_0_X_X文件，而需要使用Q4_0。
此外，如果你想获得略高的质量，可以使用IQ4_NL，感谢 此PR，它也会为ARM重新打包权重，不过目前仅支持4_4。加载时间可能会更长，但总体速度会提高。
选择合适的文件
点击查看详情
Artefact2 提供了一篇很棒的文章，带有展示各种性能的图表，可查看 此处。
首先，你需要确定你能运行多大的模型。为此，你需要了解你有多少内存（RAM）和/或显存（VRAM）。
如果你希望模型运行得尽可能快，你需要将整个模型放入GPU的显存中。选择文件大小比GPU总显存小1 - 2GB的量化模型。
如果你追求绝对最高质量，将系统内存和GPU显存相加，然后选择文件大小比该总和小1 - 2GB的量化模型。
接下来，你需要决定是使用“I-quant”还是“K-quant”。
如果你不想考虑太多，可以选择K-quant。这些模型的格式为QX_K_X，如Q5_K_M。
如果你想深入了解，可以查看这个非常有用的特性图表： llama.cpp 特性矩阵
但基本上，如果你目标是低于Q4的量化，并且你使用的是cuBLAS（Nvidia）或rocBLAS（AMD），你应该考虑I-quant。这些模型的格式为IQX_X，如IQ3_M。这些是较新的模型，在相同大小下提供更好的性能。
这些I-quant也可以在CPU上使用，但比相应的K-quant慢，所以你需要在速度和性能之间做出权衡。
I-quant与Vulcan（也是AMD）不兼容，所以如果你有AMD显卡，请仔细检查你使用的是rocBLAS版本还是Vulcan版本。在撰写本文时，LM Studio有一个支持ROCm的预览版，其他推理引擎也有针对ROCm的特定版本。
🔧 技术细节
在线重新打包
目前有“在线重新打包”权重的功能，详情见 此PR。如果你使用Q4_0，并且你的硬件能从重新打包权重中受益，它将自动实时进行。
性能提升
从llama.cpp构建版本 b4282 开始，你将无法运行Q4_0_X_X文件，而需要使用Q4_0。此外，使用IQ4_NL可获得略高的质量，它也会为ARM重新打包权重，不过目前仅支持4_4。加载时间可能会更长，但总体速度会提高。
不同量化类型的选择
不同的量化类型（如K-quant和I-quant）在性能、质量和兼容性方面有所不同。K-quant格式为QX_K_X，适合不想深入考虑的用户；I-quant格式为IQX_X，在特定硬件和场景下提供更好的性能，但在CPU上可能较慢，且与Vulcan不兼容。
📄 许可证
本项目使用llama3许可证。
致谢
感谢kalomaze和Dampf协助创建imatrix校准数据集。 感谢ZeroWw提供关于嵌入/输出实验的灵感。 感谢LM Studio赞助我的工作。
如果你想支持我的工作，请访问我的ko-fi页面：https://ko-fi.com/bartowski
Transformers Transformers 支持多种语言 Transformers 支持多种语言 Transformers 英语