Gemma 2 9b It Abliterated GGUF

🚀 gemma-2-9b-it-abliterated的Llamacpp imatrix量化版本

本项目提供了gemma-2-9b-it-abliterated模型的量化版本，使用特定工具和方法进行量化处理，方便在不同环境下高效运行。

🚀 快速开始

运行环境

可在 LM Studio 中运行这些量化模型。

下载文件

你可以从下方表格中选择需要的文件进行下载（非整个分支）：

下载方式

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/gemma-2-9b-it-abliterated-GGUF --include "gemma-2-9b-it-abliterated-Q4_K_M.gguf" --local-dir ./

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/gemma-2-9b-it-abliterated-GGUF --include "gemma-2-9b-it-abliterated-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如gemma-2-9b-it-abliterated-Q8_0），或者将它们全部下载到当前目录（./）。

✨ 主要特性

• 多种量化类型：提供了丰富的量化类型，如f32、Q8_0、Q6_K_L等，满足不同的性能和质量需求。
• 特定优化：部分量化版本（如Q3_K_XL、Q4_K_L等）对嵌入和输出权重进行了特殊处理，可能提高模型质量。
• ARM优化：Q4_0_X_X量化版本针对ARM芯片进行了优化，可显著提高推理速度。

📚 详细文档

提示格式

<bos><start_of_turn>system
{system_prompt}<end_of_turn>
<start_of_turn>user
{prompt}<end_of_turn>
<start_of_turn>model
<end_of_turn>
<start_of_turn>model

嵌入/输出权重

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，而非默认值。有人认为这可以提高质量，也有人认为没有明显差异。如果你使用了这些模型，请分享你的使用结果，以便了解这些量化版本是否真正有用。

Q4_0_X_X量化版本

这些量化版本不适用于Metal（苹果）卸载，仅适用于ARM芯片。如果你使用的是ARM芯片，Q4_0_X_X量化版本将显著提高速度。你可以查看 原始拉取请求 上的Q4_0_4_4速度比较。要检查哪个版本最适合你的ARM芯片，可以查看 AArch64 SoC特性 （感谢EloyOn！）。

如何选择文件

Artefact2提供了一篇很棒的文章，带有展示各种性能的图表，可 点击此处查看。 首先，你需要确定可以运行的模型大小。为此，你需要了解自己的系统内存（RAM）和/或显存（VRAM）容量。

• 追求最快速度：如果你希望模型尽可能快地运行，应将整个模型加载到GPU的显存中。选择文件大小比GPU总显存小1 - 2GB的量化版本。
• 追求最高质量：如果你追求绝对的最高质量，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的量化版本。 接下来，你需要决定是否使用'I-quant'或'K-quant'。
• 不想过多思考：选择K-quant，格式为'QX_K_X'，如Q5_K_M。
• 深入了解：你可以查看 llama.cpp特性矩阵。一般来说，如果你希望量化级别低于Q4，并且使用cuBLAS（Nvidia）或rocBLAS（AMD），应考虑I-quant，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。I-quant也可在CPU和苹果Metal上使用，但速度比K-quant慢，因此你需要在速度和性能之间进行权衡。此外，I-quant与Vulcan（也是AMD）不兼容，如果你使用AMD显卡，请仔细检查使用的是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。

📄 许可证

本项目使用的模型遵循gemma许可证。

🔗 相关链接

• 原始模型：https://huggingface.co/IlyaGusev/gemma-2-9b-it-abliterated
• llama.cpp仓库：https://github.com/ggerganov/llama.cpp/
• llama.cpp发布版本：https://github.com/ggerganov/llama.cpp/releases/tag/b3878
• 量化数据集：https://gist.github.com/bartowski1182/eb213dccb3571f863da82e99418f81e8

🙏 致谢

感谢kalomaze和Dampf协助创建imatrix校准数据集。 感谢ZeroWw启发对嵌入/输出进行实验。

如果你想支持作者的工作，可以访问 ko-fi页面。