Burtenshaw GemmaCoder3 12B GGUF

🚀 GemmaCoder3-12B的Llamacpp imatrix量化版本

本项目是对burtenshaw的GemmaCoder3-12B模型进行的Llamacpp imatrix量化。它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模型，可在不同的硬件环境下运行，为用户提供了更多的选择。

🚀 快速开始

使用 llama.cpp 版本 b5010 进行量化。 原始模型地址：https://huggingface.co/burtenshaw/GemmaCoder3-12B 所有量化模型均使用imatrix选项和来自 这里 的数据集生成。 你可以在 LM Studio 中运行这些量化模型，也可以直接使用 llama.cpp 或任何基于llama.cpp的项目运行。

✨ 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，满足不同的性能和质量需求。
• 特定权重处理：部分量化模型（如Q3_K_XL、Q4_K_L等）将嵌入和输出权重量化为Q8_0，而不是默认值，以提高性能。
• 在线重打包：支持Q4_0的在线重打包功能，可根据硬件自动优化性能。

📦 安装指南

安装huggingface-cli

首先，确保你已经安装了huggingface-cli：

pip install -U "huggingface_hub[cli]"

下载特定文件

你可以指定要下载的特定文件：

huggingface-cli download bartowski/burtenshaw_GemmaCoder3-12B-GGUF --include "burtenshaw_GemmaCoder3-12B-Q4_K_M.gguf" --local-dir ./

下载拆分文件

如果模型大于50GB，它将被拆分为多个文件。要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/burtenshaw_GemmaCoder3-12B-GGUF --include "burtenshaw_GemmaCoder3-12B-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如burtenshaw_GemmaCoder3-12B-Q8_0），也可以将它们全部下载到当前目录（./）。

💻 使用示例

基础用法

以下是使用huggingface-cli下载特定文件的示例：

# 下载特定文件
huggingface-cli download bartowski/burtenshaw_GemmaCoder3-12B-GGUF --include "burtenshaw_GemmaCoder3-12B-Q4_K_M.gguf" --local-dir ./

高级用法

如果你需要下载拆分的文件，可以使用以下命令：

# 下载拆分的文件
huggingface-cli download bartowski/burtenshaw_GemmaCoder3-12B-GGUF --include "burtenshaw_GemmaCoder3-12B-Q8_0/*" --local-dir ./

📚 详细文档

提示格式

<bos><start_of_turn>user
{system_prompt}

{prompt}<end_of_turn>
<start_of_turn>model
<end_of_turn>
<start_of_turn>model

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，而不是通常的默认值。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8，这些模型的权重会在内存中交错排列，以便通过一次加载更多数据来提高ARM和AVX机器的性能。

然而，现在有了一种称为“在线重打包”的权重处理方法。详情见 此PR。如果你使用Q4_0，并且你的硬件可以从权重重打包中受益，它将自动进行实时重打包。

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。感谢 此PR，它也会为ARM重打包权重，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

Artefact2在 这里 提供了一份很棒的文档，带有显示各种性能的图表。

首先，你需要确定可以运行多大的模型。为此，你需要了解自己有多少RAM和/或VRAM。

如果你希望模型尽可能快地运行，你需要将整个模型放入GPU的VRAM中。选择文件大小比GPU总VRAM小1 - 2GB的量化模型。

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的量化模型。

接下来，你需要决定是使用“I量化”还是“K量化”。

如果你不想考虑太多，选择K量化模型。它们的格式为'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cuBLAS（Nvidia）或rocBLAS（AMD），你应该考虑I量化模型。它们的格式为IQX_X，如IQ3_M。这些是较新的量化方法，在相同大小下提供更好的性能。

这些I量化模型也可以在CPU上使用，但比相应的K量化模型慢，因此你需要在速度和性能之间进行权衡。

🔧 技术细节

本项目使用 llama.cpp 版本 b5010 进行量化。所有量化模型均使用imatrix选项和来自 这里 的数据集生成。部分量化模型将嵌入和输出权重量化为Q8_0，以提高性能。同时，支持Q4_0的在线重打包功能，可根据硬件自动优化性能。

📄 许可证

本项目使用的许可证为 license。

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：https://ko-fi.com/bartowski