Dolphin3.0 Llama3.2 3B GGUF

🚀 Dolphin3.0-Llama3.2-3B的Llamacpp imatrix量化版本

本项目提供了Dolphin3.0-Llama3.2-3B模型的量化版本，使用特定工具和数据集进行量化处理，可在多种环境下运行，满足不同用户对模型性能和质量的需求。

🚀 快速开始

使用 llama.cpp 版本 b4418 进行量化。 原始模型地址：https://huggingface.co/cognitivecomputations/Dolphin3.0-Llama3.2-3B 所有量化版本均使用imatrix选项，并采用 此处 的数据集。 你可以在 LM Studio 中运行这些量化版本。

✨ 主要特性

• 多量化类型：提供了多种量化类型，如f32、f16、Q8_0、Q6_K_L等，满足不同场景下对模型大小、质量和性能的需求。
• 特定权重处理：部分量化版本（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，而非默认设置。
• 在线重打包：支持权重的“在线重打包”功能，部分量化版本（如Q4_0）可根据硬件情况自动优化性能。

📦 安装指南

使用huggingface-cli下载

首先，确保你已安装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/Dolphin3.0-Llama3.2-3B-GGUF --include "Dolphin3.0-Llama3.2-3B-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/Dolphin3.0-Llama3.2-3B-GGUF --include "Dolphin3.0-Llama3.2-3B-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如Dolphin3.0-Llama3.2-3B-Q8_0），也可以直接下载到当前目录（./）。

💻 使用示例

基础用法

以下是提示格式示例：

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

📚 详细文档

模型信息

下载文件选择

嵌入/输出权重说明

部分量化版本（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，而非默认设置。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8版本，这些版本的权重会在内存中交错排列，以提高ARM和AVX机器的性能，一次加载更多数据。 现在，有了所谓的权重“在线重打包”功能，详情见 此PR。如果你使用Q4_0，并且你的硬件能从权重重打包中受益，它会自动实时进行处理。 从llama.cpp构建版本 b4282 开始，你将无法运行Q4_0_X_X文件，而需要使用Q4_0。 此外，如果你想获得略高的质量，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。加载时间可能会较慢，但总体速度会提高。

选择合适的文件

🔧 技术细节

在线重打包

以前，为了提高ARM和AVX机器的性能，会下载Q4_0_4_4/4_8/8_8版本，其权重在内存中交错排列，以便一次加载更多数据。现在有了“在线重打包”功能，详情见 此PR。使用Q4_0时，若硬件能从中受益，会自动实时处理。从llama.cpp构建版本 b4282 起，无法运行Q4_0_X_X文件，需使用Q4_0。此外，IQ4_NL可通过 此PR 为ARM重打包权重，虽加载时间可能变长，但总体速度会提高。

性能对比

📄 许可证

本项目使用的模型遵循llama3.2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。 如果你想支持我的工作，请访问我的ko-fi页面：https://ko-fi.com/bartowski