LLAMA 3 8B Unaligned BETA GGUF

🚀 LLAMA-3_8B_Unaligned_BETA的Llamacpp imatrix量化版本

本项目提供了LLAMA-3_8B_Unaligned_BETA模型的量化版本，借助量化技术可在不同硬件条件下更高效地运行模型。

🚀 快速开始

运行环境

可在 LM Studio 中运行这些量化模型。

下载文件

可从下方表格中选择所需的量化文件进行下载：

提示格式

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

✨ 主要特性

• 多量化类型支持：提供了多种量化类型的文件，可根据不同的硬件资源和性能需求进行选择。
• ARM芯片优化：部分量化类型针对ARM芯片进行了优化，可显著提升推理速度。
• 嵌入/输出权重调整：部分量化文件对嵌入和输出权重进行了特殊处理，可能会提高模型质量。

📦 安装指南

安装huggingface-cli

首先，确保你已经安装了huggingface-cli：

pip install -U "huggingface_hub[cli]"

下载指定文件

然后，你可以指定要下载的特定文件：

huggingface-cli download bartowski/LLAMA-3_8B_Unaligned_BETA-GGUF --include "LLAMA-3_8B_Unaligned_BETA-Q4_K_M.gguf" --local-dir ./

下载拆分文件

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/LLAMA-3_8B_Unaligned_BETA-GGUF --include "LLAMA-3_8B_Unaligned_BETA-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如LLAMA-3_8B_Unaligned_BETA-Q8_0），也可以将它们全部下载到当前目录（./）。

📚 详细文档

嵌入/输出权重说明

部分量化文件（如Q3_K_XL、Q4_K_L等）采用了标准量化方法，但将嵌入和输出权重量化为Q8_0，而不是默认值。有人认为这可以提高质量，也有人认为没有明显差异。如果你使用了这些模型，请评论分享你的发现，以便了解这些量化文件是否真正有用。

Q4_0_X_X量化类型说明

这些量化类型不适合Metal（苹果）卸载，仅适用于ARM芯片。如果你使用的是ARM芯片，Q4_0_X_X量化类型将显著提高速度。你可以查看 原始拉取请求 中的Q4_0_4_4速度比较。要确定哪种量化类型最适合你的ARM芯片，可以查看 AArch64 SoC特性。

如何选择文件

Artefact2 提供了一篇很棒的文章，其中包含显示各种性能的图表，可参考 此处。选择文件时，首先要确定你可以运行的模型大小，这需要了解你拥有的RAM和/或VRAM容量。

• 追求最快速度：如果希望模型尽可能快地运行，应选择文件大小比GPU的总VRAM小1 - 2GB的量化文件，以便将整个模型放入GPU的VRAM中。
• 追求最高质量：如果追求绝对最高质量，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的量化文件。

接下来，你需要决定是否使用'I-quant'或'K-quant'：

• 不想过多考虑：可以选择K-quant，格式为'QX_K_X'，如Q5_K_M。
• 想深入了解：可以查看 llama.cpp特性矩阵。一般来说，如果你希望量化级别低于Q4，并且使用cuBLAS（Nvidia）或rocBLAS（AMD），可以考虑I-quant，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-quant也可以在CPU和Apple Metal上使用，但速度会比K-quant慢，因此需要在速度和性能之间进行权衡。此外，I-quant与Vulcan（也是AMD）不兼容，因此如果你使用的是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

本项目使用 llama.cpp 的 b3901 版本进行量化。原始模型可在 此处 找到。所有量化文件均使用imatrix选项，并使用 此处 的数据集。

📄 许可证

文档中未提及许可证相关信息。

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。

如果你想支持作者的工作，可以访问作者的ko-fi页面：https://ko-fi.com/bartowski