Phi 3.5 Mini Instruct Uncensored GGUF

🚀 Phi-3.5-mini-instruct_Uncensored的Llamacpp imatrix量化版本

本项目提供了Phi-3.5-mini-instruct_Uncensored模型的量化版本，使用特定工具和数据集进行量化处理，方便不同硬件条件下的使用。

🚀 快速开始

运行环境

你可以在 LM Studio 中运行这些量化模型。

提示格式

<s><|system|> {system_prompt}<|end|><|user|> {prompt}<|end|><|assistant|><|end|>

✨ 主要特性

• 使用 llama.cpp 版本 b3600 进行量化。
• 所有量化模型均使用 imatrix 选项，并采用 此处 的数据集。
• 提供多种量化类型供选择，以满足不同的性能和质量需求。

📦 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]"

下载特定文件

你可以指定下载特定的文件，例如：

huggingface-cli download bartowski/Phi-3.5-mini-instruct_Uncensored-GGUF --include "Phi-3.5-mini-instruct_Uncensored-Q4_K_M.gguf" --local-dir ./

下载拆分文件

如果模型大于50GB，它会被拆分为多个文件。要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/Phi-3.5-mini-instruct_Uncensored-GGUF --include "Phi-3.5-mini-instruct_Uncensored-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录，或者将它们全部下载到当前目录。

📚 详细文档

模型下载链接

嵌入/输出权重

部分量化模型（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，而非默认值。有人认为这样可以提高质量，也有人认为没有区别。如果您使用了这些模型，请分享您的使用感受，以便确认这些量化版本是否有用。

选择合适的文件

Artefact2 提供了一份详细的文档，包含各种性能图表，可参考 此处。

选择文件时，首先要确定您的硬件能够运行多大的模型，这需要了解您的系统内存（RAM）和/或显存（VRAM）大小。

• 如果希望模型运行速度最快，应选择文件大小比GPU显存小1 - 2GB的量化模型，以便将整个模型加载到GPU显存中。
• 如果追求最高质量，可将系统内存和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，需要决定使用“I-quant”还是“K-quant”：

• 如果不想过多考虑，可选择K-quant，格式为“QX_K_X”，如Q5_K_M。
• 如果想深入了解，可查看 llama.cpp特性矩阵。一般来说，如果目标量化级别低于Q4，并且使用cuBLAS（Nvidia）或rocBLAS（AMD），可以考虑I-quant，格式为IQX_X，如IQ3_M。I-quant较新，在相同大小下性能更好。

I-quant也可在CPU和Apple Metal上使用，但比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的一种）不兼容，如果使用AMD显卡，请确认使用的是rocBLAS版本还是Vulcan版本。目前，LM Studio有支持ROCm的预览版，其他推理引擎也有针对ROCm的特定版本。

支持作者

如果您想支持作者的工作，可访问其ko-fi页面：https://ko-fi.com/bartowski

📄 许可证

本项目采用Apache 2.0许可证。

🔧 技术细节

• 基础模型：SicariusSicariiStuff/Phi-3.5-mini-instruct_Uncensored
• 量化工具：使用 llama.cpp 版本 b3600 进行量化。
• 量化数据集：所有量化模型均使用 imatrix 选项，并采用 此处 的数据集。