Pocketdoc Dans PersonalityEngine V1.2.0 24b GGUF

🚀 PocketDoc的Dans-PersonalityEngine-V1.2.0-24b的Llamacpp imatrix量化版本

本项目是对PocketDoc的Dans-PersonalityEngine-V1.2.0-24b模型进行的量化处理，旨在提升模型在不同设备上的运行效率和性能。通过使用特定的量化工具和数据集，生成了多种不同类型的量化文件，以满足不同用户的需求。

🚀 快速开始

运行方式

• 可以在 LM Studio 中运行这些量化模型。
• 也可以直接使用 llama.cpp 或其他基于 llama.cpp 的项目来运行。

下载文件

你可以从下面的表格中选择需要的文件进行下载：

✨ 主要特性

• 多量化类型：提供多种量化类型，如 QX_K_X 和 IQX_X 等，以满足不同的性能和质量需求。
• 在线重新打包：部分量化文件支持在线重新打包，可在 ARM 和 AVX 机器上提高性能。
• 性能优化：不同的量化类型在不同的硬件和场景下提供了性能和质量的平衡。

📦 安装指南

使用 huggingface-cli 下载

首先，确保你已经安装了 huggingface-cli：

pip install -U "huggingface_hub[cli]"

然后，你可以指定要下载的特定文件：

huggingface-cli download bartowski/PocketDoc_Dans-PersonalityEngine-V1.2.0-24b-GGUF --include "PocketDoc_Dans-PersonalityEngine-V1.2.0-24b-Q4_K_M.gguf" --local-dir ./

如果模型大于 50GB，它将被分割成多个文件。要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/PocketDoc_Dans-PersonalityEngine-V1.2.0-24b-GGUF --include "PocketDoc_Dans-PersonalityEngine-V1.2.0-24b-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如 PocketDoc_Dans-PersonalityEngine-V1.2.0-24b-Q8_0），也可以将它们全部下载到当前目录（./）。

💻 使用示例

提示格式

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

📚 详细文档

嵌入/输出权重

部分量化文件（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，而不是默认值。

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。

现在，有了所谓的权重“在线重新打包”功能，详情见 此 PR。如果你使用 Q4_0 并且你的硬件可以从重新打包权重中受益，它将在运行时自动进行。

从 llama.cpp 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，如果你想获得稍好的质量，可以使用 IQ4_NL，这得益于 此 PR，它也会为 ARM 重新打包权重，但目前仅适用于 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

一篇带有图表展示各种性能的优秀文章由 Artefact2 提供，点击查看。

首先，你需要确定你可以运行多大的模型。为此，你需要了解你有多少 RAM 和/或 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 VRAM 中。选择文件大小比你的 GPU 总 VRAM 小 1 - 2GB 的量化文件。

如果你追求绝对最高质量，将系统 RAM 和 GPU 的 VRAM 相加，然后选择文件大小比该总和小 1 - 2GB 的量化文件。

接下来，你需要决定是否使用“I - 量化”或“K - 量化”。

如果你不想考虑太多，可以选择 K - 量化文件，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功能图表：llama.cpp 功能矩阵。

一般来说，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 - 量化文件，格式为 IQX_X，如 IQ3_M。这些是较新的文件，在相同大小下提供更好的性能。

这些 I - 量化文件也可以在 CPU 和苹果 Metal 上使用，但比对应的 K - 量化文件慢，因此你需要在速度和性能之间做出权衡。

I - 量化文件与 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

量化方法

使用 llama.cpp 版本 b4738 进行量化。所有量化文件都使用 imatrix 选项，并使用来自 此处 的数据集。

性能基准

在 AVX2 系统（EPYC7702）上的基准测试表明，Q4_0_8_8 在提示处理方面有显著提升，在文本生成方面也有小幅提升。具体基准测试数据如下：

📄 许可证

本项目采用 Apache - 2.0 许可证。

致谢

感谢 kalomaze 和 Dampf 在创建 imatrix 校准数据集方面提供的帮助。 感谢 ZeroWw 在嵌入/输出实验方面提供的灵感。 感谢 LM Studio 对本项目的赞助。

如果你想支持我的工作，请访问我的 ko - fi 页面：点击访问