%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
🚀 TheDrummer的Gemmasutra-9B-v1.1的Llamacpp imatrix量化版本
本项目提供了TheDrummer的Gemmasutra-9B-v1.1模型的量化版本，使用llama.cpp工具进行量化处理，方便在不同环境下高效运行该模型。
项目信息
| 属性 | 详情 |
|---|---|
| 量化者 | bartowski |
| 模型类别 | 文本生成 |
| 许可证 | other |
| 基础模型 | TheDrummer/Gemmasutra-9B-v1.1 |
🚀 快速开始
- 原始模型地址：https://huggingface.co/TheDrummer/Gemmasutra-9B-v1.1
- 所有量化版本均使用 imatrix 选项，并采用 此处 的数据集。
运行方式
✨ 主要特性
提示格式
<bos><start_of_turn>user
{prompt}<end_of_turn>
<start_of_turn>model
<end_of_turn>
<start_of_turn>model
⚠️ 重要提示 该模型不支持系统提示。
下载文件
可从以下表格中选择所需的量化文件进行下载：
| 文件名 | 量化类型 | 文件大小 | 分割情况 | 描述 |
|---|---|---|---|---|
| Gemmasutra-9B-v1.1-f32.gguf | f32 | 36.97GB | false | 完整的F32权重。 |
| Gemmasutra-9B-v1.1-f16.gguf | f16 | 18.49GB | false | 完整的F16权重。 |
| Gemmasutra-9B-v1.1-Q8_0.gguf | Q8_0 | 9.83GB | false | 极高质量，通常不需要，但为可用的最大量化版本。 |
| Gemmasutra-9B-v1.1-Q6_K_L.gguf | Q6_K_L | 7.81GB | false | 嵌入和输出权重使用Q8_0。非常高质量，接近完美，推荐。 |
| Gemmasutra-9B-v1.1-Q6_K.gguf | Q6_K | 7.59GB | false | 非常高质量，接近完美，推荐。 |
| Gemmasutra-9B-v1.1-Q5_K_L.gguf | Q5_K_L | 6.87GB | false | 嵌入和输出权重使用Q8_0。高质量，推荐。 |
| Gemmasutra-9B-v1.1-Q5_K_M.gguf | Q5_K_M | 6.65GB | false | 高质量，推荐。 |
| Gemmasutra-9B-v1.1-Q5_K_S.gguf | Q5_K_S | 6.48GB | false | 高质量，推荐。 |
| Gemmasutra-9B-v1.1-Q4_K_L.gguf | Q4_K_L | 5.98GB | false | 嵌入和输出权重使用Q8_0。质量良好，推荐。 |
| Gemmasutra-9B-v1.1-Q4_1.gguf | Q4_1 | 5.96GB | 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提高。 |
| Gemmasutra-9B-v1.1-Q4_K_M.gguf | Q4_K_M | 5.76GB | false | 质量良好，是大多数用例的默认大小，推荐。 |
| Gemmasutra-9B-v1.1-Q4_K_S.gguf | Q4_K_S | 5.48GB | false | 质量略低，但节省更多空间，推荐。 |
| Gemmasutra-9B-v1.1-Q4_0.gguf | Q4_0 | 5.46GB | false | 旧格式，可为ARM和AVX CPU推理提供在线重新打包。 |
| Gemmasutra-9B-v1.1-IQ4_NL.gguf | IQ4_NL | 5.44GB | false | 类似于IQ4_XS，但略大。可为ARM CPU推理提供在线重新打包。 |
| Gemmasutra-9B-v1.1-Q3_K_XL.gguf | Q3_K_XL | 5.35GB | 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。 |
| Gemmasutra-9B-v1.1-IQ4_XS.gguf | IQ4_XS | 5.18GB | false | 质量尚可，比Q4_K_S小且性能相似，推荐。 |
| Gemmasutra-9B-v1.1-Q3_K_L.gguf | Q3_K_L | 5.13GB | false | 质量较低但可用，适合低内存情况。 |
| Gemmasutra-9B-v1.1-Q3_K_M.gguf | Q3_K_M | 4.76GB | false | 质量较低。 |
| Gemmasutra-9B-v1.1-IQ3_M.gguf | IQ3_M | 4.49GB | false | 中低质量，新方法，性能与Q3_K_M相当。 |
| Gemmasutra-9B-v1.1-Q3_K_S.gguf | Q3_K_S | 4.34GB | false | 质量较低，不推荐。 |
| Gemmasutra-9B-v1.1-IQ3_XS.gguf | IQ3_XS | 4.14GB | false | 质量较低，新方法，性能尚可，略优于Q3_K_S。 |
| Gemmasutra-9B-v1.1-Q2_K_L.gguf | Q2_K_L | 4.03GB | false | 嵌入和输出权重使用Q8_0。质量非常低，但令人惊讶地可用。 |
| Gemmasutra-9B-v1.1-Q2_K.gguf | Q2_K | 3.81GB | false | 质量非常低，但令人惊讶地可用。 |
| Gemmasutra-9B-v1.1-IQ2_M.gguf | IQ2_M | 3.43GB | false | 质量相对较低，使用了最先进的技术，令人惊讶地可用。 |
| Gemmasutra-9B-v1.1-IQ2_S.gguf | IQ2_S | 3.21GB | false | 质量较低，使用了最先进的技术，可用。 |
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，而非默认设置。
📦 安装指南
使用huggingface-cli下载
点击查看下载说明
首先，确保已安装hugginface-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/TheDrummer_Gemmasutra-9B-v1.1-GGUF --include "TheDrummer_Gemmasutra-9B-v1.1-Q4_K_M.gguf" --local-dir ./
如果模型大小超过50GB，它将被分割成多个文件。要将它们全部下载到本地文件夹，请运行：
huggingface-cli download bartowski/TheDrummer_Gemmasutra-9B-v1.1-GGUF --include "TheDrummer_Gemmasutra-9B-v1.1-Q8_0/*" --local-dir ./
你可以指定一个新的本地目录（如TheDrummer_Gemmasutra-9B-v1.1-Q8_0），也可以直接下载到当前目录（./）。
🔧 技术细节
ARM/AVX信息
以前，你会下载Q4_0_4_4/4_8/8_8版本，这些版本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且硬件能从权重重新打包中受益，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，如果你想获得略好的质量，可以使用IQ4_NL，这得益于此PR，它也会为ARM重新打包权重，不过目前仅适用于4_4版本。加载时间可能会较慢，但总体速度会提高。
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支持在线重新打包的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 | 令牌/秒 | 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，在文本生成方面也有小幅提升。
📚 详细文档
如何选择文件
点击查看详情
Artefact2提供了一份很棒的带有各种性能图表的文章，可参考此处。
首先，你需要确定能运行多大的模型。为此，你需要了解系统的RAM和GPU的VRAM大小。
如果你希望模型尽可能快地运行，应将整个模型放入GPU的VRAM中。选择文件大小比GPU总VRAM小1 - 2GB的量化版本。
如果你追求绝对的最高质量，将系统RAM和GPU的VRAM相加，然后选择文件大小比该总和小1 - 2GB的量化版本。
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，可以选择K量化版本，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
但基本上，如果你目标是低于Q4的量化版本，并且使用cuBLAS（Nvidia）或rocBLAS（AMD），可以考虑I量化版本，格式为IQX_X，如IQ3_M。这些是较新的版本，在相同大小下提供更好的性能。
这些I量化版本也可在CPU和苹果Metal上使用，但比对应的K量化版本慢，因此你需要在速度和性能之间做出权衡。
I量化版本与Vulcan不兼容，Vulcan也是AMD的，所以如果你有AMD显卡，请仔细检查是使用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。
📄 许可证
本项目使用other许可证。
致谢
感谢kalomaze和Dampf协助创建imatrix校准数据集。 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