模型简介
模型特点
模型能力
使用案例
🚀 TheDrummer的Snowpiercer-15B-v1量化模型
本项目是TheDrummer的Snowpiercer-15B-v1模型的量化版本,使用量化技术对模型进行处理,以在不同硬件条件下实现更高效的推理。通过量化,模型可以在资源受限的设备上运行,同时保持较高的性能和质量。
🚀 快速开始
本项目使用 llama.cpp 发布版本 b5338 进行量化。
- 原始模型:TheDrummer/Snowpiercer-15B-v1
- 所有量化模型均使用 imatrix 选项和来自 此处 的数据集生成。
- 可以在 LM Studio 中运行这些量化模型。
- 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
提示格式
<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant
量化模型文件
文件名 | 量化类型 | 文件大小 | 拆分情况 | 描述 |
---|---|---|---|---|
Snowpiercer-15B-v1-bf16.gguf | bf16 | 29.96GB | false | 完整的BF16权重。 |
Snowpiercer-15B-v1-Q8_0.gguf | Q8_0 | 15.92GB | false | 极高质量,通常不需要,但为最大可用量化。 |
Snowpiercer-15B-v1-Q6_K_L.gguf | Q6_K_L | 12.62GB | false | 嵌入和输出权重使用Q8_0。非常高质量,接近完美,推荐。 |
Snowpiercer-15B-v1-Q6_K.gguf | Q6_K | 12.29GB | false | 非常高质量,接近完美,推荐。 |
Snowpiercer-15B-v1-Q5_K_L.gguf | Q5_K_L | 11.07GB | false | 嵌入和输出权重使用Q8_0。高质量,推荐。 |
Snowpiercer-15B-v1-Q5_K_M.gguf | Q5_K_M | 10.65GB | false | 高质量,推荐。 |
Snowpiercer-15B-v1-Q5_K_S.gguf | Q5_K_S | 10.39GB | false | 高质量,推荐。 |
Snowpiercer-15B-v1-Q4_K_L.gguf | Q4_K_L | 9.61GB | false | 嵌入和输出权重使用Q8_0。质量良好,推荐。 |
Snowpiercer-15B-v1-Q4_1.gguf | Q4_1 | 9.50GB | false | 旧格式,性能与Q4_K_S相似,但在苹果硅芯片上每瓦处理的令牌数有所提高。 |
Snowpiercer-15B-v1-Q4_K_M.gguf | Q4_K_M | 9.11GB | false | 质量良好,是大多数用例的默认大小,推荐。 |
Snowpiercer-15B-v1-Q4_K_S.gguf | Q4_K_S | 8.66GB | false | 质量略低,但节省更多空间,推荐。 |
Snowpiercer-15B-v1-IQ4_NL.gguf | IQ4_NL | 8.64GB | false | 与IQ4_XS相似,但略大。支持ARM CPU推理的在线重新打包。 |
Snowpiercer-15B-v1-Q4_0.gguf | Q4_0 | 8.63GB | false | 旧格式,支持ARM和AVX CPU推理的在线重新打包。 |
Snowpiercer-15B-v1-Q3_K_XL.gguf | Q3_K_XL | 8.58GB | 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。 |
Snowpiercer-15B-v1-IQ4_XS.gguf | IQ4_XS | 8.20GB | false | 质量不错,比Q4_K_S小且性能相似,推荐。 |
Snowpiercer-15B-v1-Q3_K_L.gguf | Q3_K_L | 7.99GB | false | 质量较低但可用,适合低内存情况。 |
Snowpiercer-15B-v1-Q3_K_M.gguf | Q3_K_M | 7.40GB | false | 低质量。 |
Snowpiercer-15B-v1-IQ3_M.gguf | IQ3_M | 6.94GB | false | 中低质量,新方法,性能与Q3_K_M相当。 |
Snowpiercer-15B-v1-Q3_K_S.gguf | Q3_K_S | 6.71GB | false | 低质量,不推荐。 |
Snowpiercer-15B-v1-Q2_K_L.gguf | Q2_K_L | 6.45GB | false | 嵌入和输出权重使用Q8_0。质量非常低但意外可用。 |
Snowpiercer-15B-v1-IQ3_XS.gguf | IQ3_XS | 6.42GB | false | 质量较低,新方法,性能不错,略优于Q3_K_S。 |
Snowpiercer-15B-v1-IQ3_XXS.gguf | IQ3_XXS | 5.99GB | false | 质量较低,新方法,性能不错,与Q3量化相当。 |
Snowpiercer-15B-v1-Q2_K.gguf | Q2_K | 5.79GB | false | 质量非常低但意外可用。 |
Snowpiercer-15B-v1-IQ2_M.gguf | IQ2_M | 5.35GB | false | 质量相对较低,使用最先进技术,意外可用。 |
Snowpiercer-15B-v1-IQ2_S.gguf | IQ2_S | 4.98GB | false | 低质量,使用最先进技术,可用。 |
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,你将无法运行Q4_0_X_X文件,而需要使用Q4_0。
此外,如果你想获得略高的质量,可以使用IQ4_NL,感谢 此PR,它也会为ARM重新打包权重,不过目前仅适用于4_4。加载时间可能会更长,但总体速度会提高。
选择合适的文件
点击查看详情
Artefact2在 此处 提供了一篇很棒的文章,配有图表展示各种性能。
首先要确定你能运行多大的模型。为此,你需要了解自己有多少内存(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的量化模型。
如果你追求绝对的最高质量,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的量化模型。
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量化模型。这些模型的格式为“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:
但基本上,如果你目标是低于Q4的量化,并且你使用的是cuBLAS(英伟达)或rocBLAS(AMD),你应该考虑I量化模型。这些模型的格式为IQX_X,如IQ3_M。它们是较新的模型,在相同大小下性能更好。
这些I量化模型也可以在CPU上使用,但比相应的K量化模型慢,所以你需要在速度和性能之间做出权衡。
📦 安装指南
使用huggingface-cli下载
点击查看下载说明
首先,确保你已安装huggingface-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_Snowpiercer-15B-v1-GGUF --include "TheDrummer_Snowpiercer-15B-v1-Q4_K_M.gguf" --local-dir ./
如果模型大于50GB,它将被拆分为多个文件。要将它们全部下载到本地文件夹,请运行:
huggingface-cli download bartowski/TheDrummer_Snowpiercer-15B-v1-GGUF --include "TheDrummer_Snowpiercer-15B-v1-Q8_0/*" --local-dir ./
你可以指定一个新的本地目录(如TheDrummer_Snowpiercer-15B-v1-Q8_0),也可以将它们全部下载到当前目录(./)。
📚 详细文档
选择合适的文件
点击查看详情
Artefact2在 此处 提供了一篇很棒的文章,配有图表展示各种性能。
首先要确定你能运行多大的模型。为此,你需要了解自己有多少内存(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的量化模型。
如果你追求绝对的最高质量,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的量化模型。
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量化模型。这些模型的格式为“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:
但基本上,如果你目标是低于Q4的量化,并且你使用的是cuBLAS(英伟达)或rocBLAS(AMD),你应该考虑I量化模型。这些模型的格式为IQX_X,如IQ3_M。它们是较新的模型,在相同大小下性能更好。
这些I量化模型也可以在CPU上使用,但比相应的K量化模型慢,所以你需要在速度和性能之间做出权衡。
🔧 技术细节
量化方法
使用 llama.cpp 发布版本 b5338 进行量化。所有量化模型均使用 imatrix 选项和来自 此处 的数据集生成。
ARM/AVX优化
以前,模型的权重会在内存中交错排列,以提高ARM和AVX机器的性能。现在,有了“在线重新打包”的权重处理方式,如果你使用Q4_0,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。
📄 许可证
本项目采用MIT许可证。
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



