Google Gemma 3 1b It Qat GGUF

🚀 Google Gemma-3-1b-it-qat的Llamacpp imatrix量化版本

本项目提供了Google的gemma-3-1b-it-qat模型的量化版本，这些量化版本基于Google提供的QAT（量化感知训练）权重生成。仅Q4_0版本预计会有更好的效果，但为了探索更多可能性，也生成了其他量化版本。

量化文件信息

量化工具

使用 llama.cpp 版本 b5147 进行量化。

原始模型

google/gemma-3-1b-it-qat-q4_0-unquantized

量化数据集

所有量化版本均使用imatrix选项和来自 此处 的数据集生成。

运行方式

• 在 LM Studio 中运行。
• 直接使用 llama.cpp 或任何基于llama.cpp的项目运行。

✨ 主要特性

• 基于Google的QAT权重生成量化版本，可能提升性能。
• 提供多种量化类型，满足不同需求。
• 支持在线重新打包，优化ARM和AVX机器的性能。

📦 安装指南

使用huggingface-cli下载

pip install -U "huggingface_hub[cli]"

huggingface-cli download bartowski/google_gemma-3-1b-it-qat-GGUF --include "google_gemma-3-1b-it-qat-Q4_K_M.gguf" --local-dir ./

huggingface-cli download bartowski/google_gemma-3-1b-it-qat-GGUF --include "google_gemma-3-1b-it-qat-Q8_0/*" --local-dir ./

💻 使用示例

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

下载文件选择

ARM/AVX信息

以前，需要下载Q4_0_4_4/4_8/8_8版本，这些版本的权重在内存中交错排列，以便通过一次加载更多数据来提高ARM和AVX机器的性能。

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。如果使用Q4_0版本，并且硬件能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，将无法运行Q4_0_X_X文件，而需要使用Q4_0版本。

此外，由于 此PR，如果想获得更好的质量，可以使用IQ4_NL，它也会为ARM重新打包权重，不过目前仅支持4_4版本。加载时间可能会更长，但总体速度会提高。

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。

🔧 技术细节

这些量化版本基于Google提供的QAT（量化感知训练）权重生成。仅Q4_0版本预计会有更好的效果，但为了探索更多可能性，也生成了其他量化版本。使用llama.cpp版本b5147进行量化，并使用特定的数据集进行校准。

📄 许可证

本项目使用Gemma许可证。访问Hugging Face上的Gemma模型，需要审查并同意Google的使用许可。请确保已登录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提供关于嵌入/输出实验的灵感。 感谢LM Studio赞助此项目。

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