Thedrummer Cydonia 24B V2 GGUF

🚀 TheDrummer的Cydonia-24B-v2的Llamacpp imatrix量化版本

本项目是TheDrummer的Cydonia-24B-v2模型的量化版本，使用llama.cpp进行量化处理，提供了多种量化类型的文件供用户选择，以满足不同的硬件和性能需求。

🚀 快速开始

本项目使用 llama.cpp 的 b4688 版本进行量化。原始模型可在 这里 查看。

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的项目来运行。

✨ 主要特性

• 多种量化类型：提供了丰富的量化类型，如Q8_0、Q6_K_L、Q5_K_L等，满足不同的质量和性能需求。
• 在线重打包：部分量化类型支持在线重打包，可自动优化ARM和AVX机器的性能。
• 嵌入/输出权重优化：部分量化类型对嵌入和输出权重进行了优化，提高了模型质量。

📦 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/TheDrummer_Cydonia-24B-v2-GGUF --include "TheDrummer_Cydonia-24B-v2-Q4_K_M.gguf" --local-dir ./

如果模型文件大于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，可以运行：

huggingface-cli download bartowski/TheDrummer_Cydonia-24B-v2-GGUF --include "TheDrummer_Cydonia-24B-v2-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

基础用法

在LM Studio中运行模型，只需将下载的量化文件加载到LM Studio中即可开始使用。

高级用法

使用llama.cpp直接运行模型，你可以根据自己的需求调整参数，以获得更好的性能和效果。

📚 详细文档

提示格式

未找到特定的提示格式，请查看原始模型页面。

下载文件选择

嵌入/输出权重

部分量化类型（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文件，这些文件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。

现在，有了所谓的权重“在线重打包”功能，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，它将自动实时进行重打包。

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，如果你想获得略好的质量，可以使用IQ4_NL，感谢 此PR，它也会为ARM重打包权重，不过目前仅适用于4_4。加载时间可能会较慢，但总体速度会提高。

选择哪个文件？

首先，你需要确定你可以运行多大的模型。为此，你需要了解你有多少内存（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的量化文件。

如果你追求绝对最高质量，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的量化文件。

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量化文件，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：llama.cpp特性矩阵

一般来说，如果你目标是低于Q4的量化，并且使用cuBLAS（Nvidia）或rocBLAS（AMD），你应该考虑I量化文件，格式为IQX_X，如IQ3_M。这些是较新的量化类型，在相同大小下提供更好的性能。

I量化文件也可以在CPU和Apple Metal上使用，但比相应的K量化文件慢，因此你需要在速度和性能之间进行权衡。

I量化文件与Vulcan（也是AMD的）不兼容，所以如果你使用AMD显卡，请仔细检查你使用的是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。

🔧 技术细节

在线重打包

以前，为了提高ARM和AVX机器的性能，会下载Q4_0_4_4/4_8/8_8文件，这些文件的权重在内存中交错排列，以便一次加载更多数据。现在，有了“在线重打包”功能，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，它将自动实时进行重打包。

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。

I量化文件

如果你想获得略好的质量，可以使用IQ4_NL，感谢 此PR，它也会为ARM重打包权重，不过目前仅适用于4_4。加载时间可能会较慢，但总体速度会提高。

I量化文件（格式为IQX_X，如IQ3_M）是较新的量化类型，在相同大小下提供更好的性能。但它们与Vulcan不兼容，并且在CPU和Apple Metal上使用时比相应的K量化文件慢。

📄 许可证

本项目使用其他许可证，具体请参考相关说明。

致谢

感谢kalomaze和Dampf协助创建imatrix校准数据集。 感谢ZeroWw启发了对嵌入/输出的实验。 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