%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
模型简介
模型特点
模型能力
使用案例
🚀 dreamgen的lucid-v1-nemo的Llamacpp imatrix量化版本
本项目是对dreamgen的lucid-v1-nemo模型进行的量化处理。使用llama.cpp工具，借助特定的数据集和参数，生成了一系列不同量化类型的模型文件，方便在不同硬件和场景下使用。用户可以根据自身的硬件配置和需求，选择合适的量化模型文件进行下载和使用。
🚀 快速开始
运行方式
提示格式
未找到提示格式，请查看原始模型页面。
下载文件
可以从以下表格中选择需要的文件进行下载：
| 文件名 | 量化类型 | 文件大小 | 拆分情况 | 描述 |
|---|---|---|---|---|
| lucid-v1-nemo-bf16.gguf | bf16 | 24.50GB | false | 完整的BF16权重。 |
| lucid-v1-nemo-Q8_0.gguf | Q8_0 | 13.02GB | false | 极高质量，通常不需要，但为最大可用量化。 |
| lucid-v1-nemo-Q6_K_L.gguf | Q6_K_L | 10.38GB | false | 嵌入和输出权重使用Q8_0。非常高质量，接近完美，推荐。 |
| lucid-v1-nemo-Q6_K.gguf | Q6_K | 10.06GB | false | 非常高质量，接近完美，推荐。 |
| lucid-v1-nemo-Q5_K_L.gguf | Q5_K_L | 9.14GB | false | 嵌入和输出权重使用Q8_0。高质量，推荐。 |
| lucid-v1-nemo-Q5_K_M.gguf | Q5_K_M | 8.73GB | false | 高质量，推荐。 |
| lucid-v1-nemo-Q5_K_S.gguf | Q5_K_S | 8.52GB | false | 高质量，推荐。 |
| lucid-v1-nemo-Q4_K_L.gguf | Q4_K_L | 7.98GB | false | 嵌入和输出权重使用Q8_0。质量良好，推荐。 |
| lucid-v1-nemo-Q4_1.gguf | Q4_1 | 7.80GB | false | 旧格式，性能与Q4_K_S相似，但在苹果硅芯片上的每瓦令牌数有所改进。 |
| lucid-v1-nemo-Q4_K_M.gguf | Q4_K_M | 7.48GB | false | 质量良好，大多数用例的默认大小，推荐。 |
| lucid-v1-nemo-Q3_K_XL.gguf | Q3_K_XL | 7.15GB | false | 嵌入和输出权重使用Q8_0。质量较低但可用，适合低内存情况。 |
| lucid-v1-nemo-Q4_K_S.gguf | Q4_K_S | 7.12GB | false | 质量稍低但节省空间，推荐。 |
| lucid-v1-nemo-IQ4_NL.gguf | IQ4_NL | 7.10GB | false | 与IQ4_XS相似，但稍大。为ARM CPU推理提供在线重新打包。 |
| lucid-v1-nemo-Q4_0.gguf | Q4_0 | 7.09GB | false | 旧格式，为ARM和AVX CPU推理提供在线重新打包。 |
| lucid-v1-nemo-IQ4_XS.gguf | IQ4_XS | 6.74GB | false | 质量不错，比Q4_K_S小且性能相似，推荐。 |
| lucid-v1-nemo-Q3_K_L.gguf | Q3_K_L | 6.56GB | false | 质量较低但可用，适合低内存情况。 |
| lucid-v1-nemo-Q3_K_M.gguf | Q3_K_M | 6.08GB | false | 质量低。 |
| lucid-v1-nemo-IQ3_M.gguf | IQ3_M | 5.72GB | false | 中低质量，新方法，性能与Q3_K_M相当。 |
| lucid-v1-nemo-Q3_K_S.gguf | Q3_K_S | 5.53GB | false | 质量低，不推荐。 |
| lucid-v1-nemo-Q2_K_L.gguf | Q2_K_L | 5.45GB | false | 嵌入和输出权重使用Q8_0。质量非常低但出人意料地可用。 |
| lucid-v1-nemo-IQ3_XS.gguf | IQ3_XS | 5.31GB | false | 质量较低，新方法，性能不错，略优于Q3_K_S。 |
| lucid-v1-nemo-IQ3_XXS.gguf | IQ3_XXS | 4.95GB | false | 质量较低，新方法，性能不错，与Q3量化相当。 |
| lucid-v1-nemo-Q2_K.gguf | Q2_K | 4.79GB | false | 质量非常低但出人意料地可用。 |
| lucid-v1-nemo-IQ2_M.gguf | IQ2_M | 4.44GB | false | 质量相对较低，使用了最先进的技术，出人意料地可用。 |
| lucid-v1-nemo-IQ2_S.gguf | IQ2_S | 4.14GB | false | 质量低，使用了最先进的技术，可用。 |
✨ 主要特性
- 量化工具：使用 llama.cpp 发布版本 b5132 进行量化。
- 原始模型：dreamgen/lucid-v1-nemo
- 量化选项：所有量化均使用imatrix选项，并使用来自此处的数据集。
📦 安装指南
使用huggingface-cli下载
点击查看下载说明
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/dreamgen_lucid-v1-nemo-GGUF --include "dreamgen_lucid-v1-nemo-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/dreamgen_lucid-v1-nemo-GGUF --include "dreamgen_lucid-v1-nemo-Q8_0/*" --local-dir ./
你可以指定一个新的本地目录（dreamgen_lucid-v1-nemo-Q8_0），也可以将它们全部下载到当前目录（./）。
📚 详细文档
嵌入/输出权重
部分量化（如Q3_K_XL、Q4_K_L等）是标准量化方法，其嵌入和输出权重被量化为Q8_0，而不是通常的默认值。
ARM/AVX信息
以前，你会下载Q4_0_4_4/4_8/8_8，这些权重会在内存中交错排列，以便在ARM和AVX机器上通过一次加载更多数据来提高性能。
然而，现在有了一种称为“在线重新打包”的权重处理方式，详情见此PR。如果你使用Q4_0，并且你的硬件可以从重新打包权重中受益，它将自动实时进行处理。
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，如果你想获得稍好的质量，可以使用IQ4_NL，这得益于此PR，它也会为ARM重新打包权重，但目前仅适用于4_4。加载时间可能会较慢，但会带来整体速度的提升。
点击查看Q4_0_X_X信息（已弃用）
我保留这部分内容是为了展示使用带有在线重新打包的Q4_0在性能上的潜在理论提升。
点击查看AVX2系统（EPYC7702）上的基准测试
| 模型 | 大小 | 参数 | 后端 | 线程数 | 测试 | 每秒令牌数 | 与Q4_0相比的百分比 |
|---|---|---|---|---|---|---|---|
| qwen2 3B Q4_0 | 1.70 GiB | 3.09 B | CPU | 64 | pp512 | 204.03 ± 1.03 | 100% |
| qwen2 3B Q4_0 | 1.70 GiB | 3.09 B | CPU | 64 | pp1024 | 282.92 ± 0.19 | 100% |
| qwen2 3B Q4_0 | 1.70 GiB | 3.09 B | CPU | 64 | pp2048 | 259.49 ± 0.44 | 100% |
| qwen2 3B Q4_0 | 1.70 GiB | 3.09 B | CPU | 64 | tg128 | 39.12 ± 0.27 | 100% |
| qwen2 3B Q4_0 | 1.70 GiB | 3.09 B | CPU | 64 | tg256 | 39.31 ± 0.69 | 100% |
| qwen2 3B Q4_0 | 1.70 GiB | 3.09 B | CPU | 64 | tg512 | 40.52 ± 0.03 | 100% |
| qwen2 3B Q4_K_M | 1.79 GiB | 3.09 B | CPU | 64 | pp512 | 301.02 ± 1.74 | 147% |
| qwen2 3B Q4_K_M | 1.79 GiB | 3.09 B | CPU | 64 | pp1024 | 287.23 ± 0.20 | 101% |
| qwen2 3B Q4_K_M | 1.79 GiB | 3.09 B | CPU | 64 | pp2048 | 262.77 ± 1.81 | 101% |
| qwen2 3B Q4_K_M | 1.79 GiB | 3.09 B | CPU | 64 | tg128 | 18.80 ± 0.99 | 48% |
| qwen2 3B Q4_K_M | 1.79 GiB | 3.09 B | CPU | 64 | tg256 | 24.46 ± 3.04 | 83% |
| qwen2 3B Q4_K_M | 1.79 GiB | 3.09 B | CPU | 64 | tg512 | 36.32 ± 3.59 | 90% |
| qwen2 3B Q4_0_8_8 | 1.69 GiB | 3.09 B | CPU | 64 | pp512 | 271.71 ± 3.53 | 133% |
| qwen2 3B Q4_0_8_8 | 1.69 GiB | 3.09 B | CPU | 64 | pp1024 | 279.86 ± 45.63 | 100% |
| qwen2 3B Q4_0_8_8 | 1.69 GiB | 3.09 B | CPU | 64 | pp2048 | 320.77 ± 5.00 | 124% |
| qwen2 3B Q4_0_8_8 | 1.69 GiB | 3.09 B | CPU | 64 | tg128 | 43.51 ± 0.05 | 111% |
| qwen2 3B Q4_0_8_8 | 1.69 GiB | 3.09 B | CPU | 64 | tg256 | 43.35 ± 0.09 | 110% |
| qwen2 3B Q4_0_8_8 | 1.69 GiB | 3.09 B | CPU | 64 | tg512 | 42.60 ± 0.31 | 105% |
Q4_0_8_8在提示处理方面有不错的提升，在文本生成方面有小幅提升。
选择合适的文件
点击查看详情
Artefact2提供了一篇很棒的文章，带有显示各种性能的图表，可查看此处。
首先，要确定你可以运行多大的模型。为此，你需要了解自己有多少内存（RAM）和/或显存（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的显存中。选择文件大小比GPU总显存小1 - 2GB的量化模型。
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的量化模型。
接下来，你需要决定是使用“I量化”还是“K量化”。
如果你不想考虑太多，选择K量化之一。这些格式为“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：
但基本上，如果你目标是低于Q4的量化，并且你使用的是cuBLAS（Nvidia）或rocBLAS（AMD），你应该考虑I量化。这些格式为IQX_X，如IQ3_M。这些是较新的量化方式，对于相同大小的文件，性能更好。
这些I量化也可以在CPU上使用，但比等效的K量化慢，因此你需要在速度和性能之间进行权衡。
🔧 技术细节
量化方法
使用 llama.cpp 发布版本 b5132 进行量化。所有量化均使用imatrix选项，并使用来自此处的数据集。
在线重新打包
现在有了一种称为“在线重新打包”的权重处理方式，详情见此PR。如果你使用Q4_0，并且你的硬件可以从重新打包权重中受益，它将自动实时进行处理。
📄 许可证
本项目使用其他许可证。
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/输出实验方面的启发。
感谢LM Studio对我工作的赞助。
如果你想支持我的工作，请访问我的ko-fi页面：https://ko-fi.com/bartowski
Transformers Transformers 支持多种语言 Transformers 支持多种语言 Transformers 英语