Impish Mind 8B GGUF

🚀 Impish_Mind_8B的Llamacpp imatrix量化版本

本项目提供了基于llama.cpp对Impish_Mind_8B模型进行量化处理后的版本。通过特定的量化方法和数据集，生成了多种不同类型的量化文件，以满足不同用户在不同硬件条件下的使用需求。

🚀 快速开始

使用 LM Studio 即可运行这些量化模型。

✨ 主要特性

• 使用 llama.cpp 的 b4273 版本进行量化。
• 所有量化文件均使用 imatrix 选项，并采用了来自 此处 的数据集。

📦 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/Impish_Mind_8B-GGUF --include "Impish_Mind_8B-Q4_K_M.gguf" --local-dir ./

如果模型大小超过50GB，它会被拆分为多个文件。若要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/Impish_Mind_8B-GGUF --include "Impish_Mind_8B-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如 Impish_Mind_8B-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

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

量化文件下载

你可以从以下表格中选择要下载的文件：

嵌入/输出权重

部分量化文件（如Q3_K_XL、Q4_K_L等）采用了标准量化方法，将嵌入和输出权重量化为Q8_0，而非默认值。

Q4_0_X_X信息

新特性：由于 此PR 中对权重进行在线重新打包的努力，如果你为ARM设备编译了 llama.cpp，现在可以直接使用Q4_0。

同样，如果你想获得更好的性能，可以使用IQ4_NL，这得益于 此PR，它也会为ARM重新打包权重，不过目前仅支持4_4。加载时间可能会较慢，但总体速度会提高。

这些量化文件 不适用于 Metal（苹果）或GPU（英伟达/AMD/英特尔）卸载，仅适用于ARM芯片（以及某些AVX2/AVX512 CPU）。

如果你使用的是ARM芯片，Q4_0_X_X量化文件将显著提高速度。查看 原始拉取请求 上的Q4_0_4_4速度比较。

要检查哪种量化文件最适合你的ARM芯片，你可以查看 AArch64 SoC特性（感谢EloyOn！）。

如果你使用的是支持AVX2或AVX512的CPU（通常是服务器CPU和AMD最新的Zen5 CPU），并且不进行GPU卸载，Q4_0_8_8也可能提供不错的速度：

如何选择文件

Artefact2 在此 提供了一篇很棒的文章，带有显示各种性能的图表。

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-quant'或'K-quant'。

如果你不想考虑太多，选择K-quant之一。这些文件格式为'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特性图表：

llama.cpp特性矩阵

但基本上，如果你目标是低于Q4，并且你使用的是cuBLAS（英伟达）或rocBLAS（AMD），你应该考虑I-quant。这些文件格式为IQX_X，如IQ3_M。这些是较新的格式，在相同大小下提供更好的性能。

这些I-quant也可以在CPU和苹果Metal上使用，但比对应的K-quant慢，因此你需要在速度和性能之间进行权衡。

I-quant 不兼容 Vulcan（也是AMD），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

部分量化文件（如Q3_K_XL、Q4_K_L等）采用了标准量化方法，将嵌入和输出权重量化为Q8_0，而非默认值。

📄 许可证

本项目采用 apache-2.0 许可证。

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。

如果你想支持我的工作，请访问我的ko-fi页面：https://ko-fi.com/bartowski