Google Gemma 3 4b It Qat GGUF

🚀 Google Gemma-3-4b-it-qat的Llamacpp imatrix量化版本

本项目是对Google提供的Gemma-3-4b-it-qat模型进行量化处理。这些量化版本基于Google提供的QAT（量化感知训练）权重生成。

主要特性

• 多种量化类型：提供了丰富的量化类型，如Q4_0、Q4_1、Q5_K_M等，以满足不同的性能和质量需求。
• 性能优化：部分量化版本（如Q4_0）由于采用了QAT技术，性能有所提升，并且支持为ARM和AVX CPU推理进行在线重新打包。
• 多平台支持：可以在LM Studio中运行，也可以直接使用llama.cpp或其他基于llama.cpp的项目运行。

安装指南

安装huggingface-cli

首先，确保你已经安装了huggingface-cli：

pip install -U "huggingface_hub[cli]"

下载特定文件

你可以指定要下载的特定文件：

huggingface-cli download bartowski/google_gemma-3-4b-it-qat-GGUF --include "google_gemma-3-4b-it-qat-Q4_K_M.gguf" --local-dir ./

下载拆分文件

如果模型大于50GB，它会被拆分成多个文件。要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/google_gemma-3-4b-it-qat-GGUF --include "google_gemma-3-4b-it-qat-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如google_gemma-3-4b-it-qat-Q8_0），也可以将它们全部下载到当前目录（./）。

使用示例

运行模型

你可以在LM Studio中运行这些量化模型，也可以直接使用llama.cpp或其他基于llama.cpp的项目运行。

提示格式

<bos><start_of_turn>user
{system_prompt}

{prompt}<end_of_turn>
<start_of_turn>model
<end_of_turn>
<start_of_turn>model

详细文档

量化文件信息

嵌入/输出权重

部分量化版本（如Q3_K_XL、Q4_K_L等）采用了标准的量化方法，将嵌入和输出权重量化为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，以便通过一次加载更多数据来提高ARM和AVX机器的性能。

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，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

使用llama.cpp的发布版本b5147进行量化。所有量化版本都使用imatrix选项，并使用来自这里的数据集。

许可证

本项目使用Gemma许可证。要在Hugging Face上访问Gemma，你需要审查并同意Google的使用许可。请确保你已登录Hugging Face，然后点击下方按钮。请求将立即处理。

致谢

感谢kalomaze和Dampf协助创建imatrix校准数据集。 感谢ZeroWw提供的关于嵌入/输出实验的灵感。 感谢LM Studio赞助我的工作。

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