Gemma 2 2b It Abliterated GGUF

🚀 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

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。