Nvidia OpenCodeReasoning Nemotron 32B IOI GGUF

🚀 NVIDIA OpenCodeReasoning-Nemotron-32B-IOI的Llamacpp imatrix量化版本

本项目是对NVIDIA的OpenCodeReasoning-Nemotron-32B-IOI模型进行的量化处理，使用了llamacpp工具，旨在为不同硬件条件的用户提供更灵活的模型使用方案。

基本信息

🚀 快速开始

本项目使用 llama.cpp 的 b5306 版本进行量化。原始模型可在 这里 查看。

所有量化模型均使用 imatrix 选项和来自 此处 的数据集生成。你可以在 LM Studio 中运行这些模型，也可以直接使用 llama.cpp 或任何基于 llama.cpp 的项目来运行。

✨ 主要特性

• 多种量化类型：提供了丰富的量化类型供用户选择，以满足不同的硬件和性能需求。
• 在线重打包：部分量化模型支持在线重打包，可在运行时自动优化性能。
• 详细文档：提供了详细的下载和使用说明，方便用户操作。

📦 安装指南

使用huggingface-cli下载

首先，确保你已经安装了huggingface-cli：

pip install -U "huggingface_hub[cli]"

然后，你可以指定要下载的具体文件：

huggingface-cli download bartowski/nvidia_OpenCodeReasoning-Nemotron-32B-IOI-GGUF --include "nvidia_OpenCodeReasoning-Nemotron-32B-IOI-Q4_K_M.gguf" --local-dir ./

如果模型大小超过50GB，它会被分割成多个文件。要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/nvidia_OpenCodeReasoning-Nemotron-32B-IOI-GGUF --include "nvidia_OpenCodeReasoning-Nemotron-32B-IOI-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录，也可以将它们全部下载到当前目录。

💻 使用示例

提示格式

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

📚 详细文档

下载文件列表

嵌入/输出权重

部分量化模型（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。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8，这些模型的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。

然而，现在有了一种称为“在线重打包”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权重重打包中受益，它将在运行时自动进行。

从llama.cpp构建 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，感谢 此PR，它也会为ARM重打包权重，不过目前仅支持4_4。加载时间可能会更长，但总体速度会提高。

如何选择文件

🔧 技术细节

Q4_0_X_X信息（已弃用）

保留此部分是为了展示使用带有在线重打包的Q4_0在理论上的性能提升。

📄 许可证

本项目使用Apache-2.0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