🚀 gemma-2-2b-it-abliterated的Llamacpp imatrix量化版本
本项目使用 llama.cpp 的 b3496 版本进行量化。旨在为gemma-2-2b-it-abliterated模型提供高效的量化方案,以满足不同场景下的使用需求。
项目信息
属性 |
详情 |
基础模型 |
IlyaGusev/gemma-2-2b-it-abliterated |
语言 |
英文 |
许可证 |
gemma |
任务类型 |
文本生成 |
量化者 |
bartowski |
原模型链接
https://huggingface.co/IlyaGusev/gemma-2-2b-it-abliterated
量化说明
所有量化均使用imatrix选项,并采用来自 此处 的数据集。可在 LM Studio 中运行这些量化模型。
🚀 快速开始
提示词格式
<bos><start_of_turn>user
{prompt}<end_of_turn>
<start_of_turn>model
<end_of_turn>
<start_of_turn>model
⚠️ 重要提示
该模型不支持系统提示词。
下载文件
可从下方表格中选择并下载单个文件(非整个分支):
嵌入/输出权重说明
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。有人认为这可提高质量,也有人未察觉差异。若你使用了这些模型,请留言分享你的发现,以便了解这些量化模型是否真正有用。
致谢
感谢kalomaze和Dampf协助创建imatrix校准数据集。
感谢ZeroWw启发了对嵌入/输出的实验。
📦 安装指南
使用huggingface-cli下载
首先,确保已安装huggingface-cli:
pip install -U "huggingface_hub[cli]"
然后,可指定要下载的特定文件:
huggingface-cli download bartowski/gemma-2-2b-it-abliterated-GGUF --include "gemma-2-2b-it-abliterated-Q4_K_M.gguf" --local-dir ./
若模型文件大于50GB,可能已拆分为多个文件。要将所有文件下载到本地文件夹,可运行:
huggingface-cli download bartowski/gemma-2-2b-it-abliterated-GGUF --include "gemma-2-2b-it-abliterated-Q8_0/*" --local-dir ./
你可以指定新的本地目录(如gemma-2-2b-it-abliterated-Q8_0),也可将所有文件下载到当前目录(./)。
📚 详细文档
如何选择文件
Artefact2 提供了一篇很棒的文章,并配有图表展示各种性能,可参考 此处。
选择文件时,首先要确定你能运行多大的模型,这需要了解你的系统内存(RAM)和/或显存(VRAM)大小。
- 若希望模型运行速度尽可能快,应选择文件大小比GPU显存小1 - 2GB的量化模型,以便将整个模型加载到GPU的显存中。
- 若追求极致质量,可将系统内存和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,需要决定使用“I量化”还是“K量化”:
- 若不想过多考虑,可选择K量化模型,其格式为 'QX_K_X',如Q5_K_M。
- 若想深入了解,可查看 llama.cpp特性矩阵。一般来说,若目标量化级别低于Q4,且使用cuBLAS(Nvidia)或rocBLAS(AMD),可考虑I量化模型,其格式为IQX_X,如IQ3_M。这些I量化模型较新,在相同大小下性能更好。
不过,I量化模型在CPU和Apple Metal上运行速度可能比K量化模型慢,因此需要在速度和性能之间进行权衡。此外,I量化模型与Vulcan(同样适用于AMD)不兼容,若使用AMD显卡,请确认使用的是rocBLAS版本还是Vulcan版本。截至编写本文时,LM Studio有支持ROCm的预览版,其他推理引擎也有针对ROCm的特定版本。
💡 使用建议
若想支持作者的工作,可访问其ko-fi页面:https://ko-fi.com/bartowski。