🚀 Delta-Vector的Austral-24B-Winton的Llamacpp imatrix量化版本
本项目是Delta-Vector的Austral-24B-Winton模型的量化版本,使用特定工具和方法对原模型进行量化处理,以满足不同场景下的使用需求,如在不同硬件配置上高效运行等。
🚀 快速开始
本量化版本使用 llama.cpp 发布版本 b5669 进行量化。
- 原模型地址:https://huggingface.co/Delta-Vector/Austral-24B-Winton
- 所有量化模型均使用imatrix选项,并采用来自 此处 的数据集。
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
- 多量化类型:提供了多种不同的量化类型,如bf16、Q8_0、Q6_K_L等,以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,可根据硬件自动优化性能。
- 不同使用场景适配:针对不同的硬件配置和使用需求,提供了详细的选择建议。
📦 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,你可以根据需要下载特定的文件:
huggingface-cli download bartowski/Delta-Vector_Austral-24B-Winton-GGUF --include "Delta-Vector_Austral-24B-Winton-Q4_K_M.gguf" --local-dir ./
如果模型大小超过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/Delta-Vector_Austral-24B-Winton-GGUF --include "Delta-Vector_Austral-24B-Winton-Q8_0/*" --local-dir ./
你可以指定一个新的本地目录(Delta-Vector_Austral-24B-Winton-Q8_0),也可以将它们全部下载到当前目录(./)。
💻 使用示例
基础用法
本模型的提示格式如下:
<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant
由于未指定聊天模板,因此使用默认模板。这可能不正确,请查看原模型卡片以获取详细信息。
高级用法
在选择具体的量化文件时,可参考以下建议:
首先,确定你能够运行的模型大小,这需要考虑你拥有的RAM和/或VRAM的容量。
- 如果你希望模型运行得尽可能快,应选择文件大小比GPU总VRAM小1 - 2GB的量化版本,以将整个模型加载到GPU的VRAM中。
- 如果你追求绝对的最高质量,可以将系统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”:
- 如果你不想过多考虑,建议选择K - 量化,其格式为“QX_K_X”,例如Q5_K_M。
- 如果你想深入了解,可以查看 llama.cpp特性矩阵。一般来说,如果你希望使用低于Q4的量化版本,并且使用cuBLAS(Nvidia)或rocBLAS(AMD),则应考虑I - 量化,其格式为IQX_X,例如IQ3_M。这些I - 量化版本较新,在相同大小下性能更好,但在CPU上使用时会比K - 量化版本慢,因此需要在速度和性能之间进行权衡。
📚 详细文档
下载文件选择
嵌入/输出权重
部分量化版本(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,而不是通常的默认值。
ARM/AVX信息
以前,你会下载Q4_0_4_4/4_8/8_8,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,并且你的硬件可以从重新打包权重中受益,它将自动实时进行处理。
从llama.cpp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,如果你希望获得略高的质量,可以使用IQ4_NL,这得益于 此PR,它也会为ARM重新打包权重,但目前仅适用于4_4。加载时间可能会较慢,但总体速度会提高。
致谢
感谢kalomaze和Dampf协助创建imatrix校准数据集。
感谢ZeroWw启发进行嵌入/输出实验。
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
📄 许可证
本项目采用Apache - 2.0许可证。