Meta Llama 3 70B Instruct GGUF

🚀 Llama 3 70B Instruct - GGUF

本项目包含了 Meta公司的Llama 3 70B Instruct 模型的GGUF格式文件，旨在为用户提供更便捷、高效的模型使用体验。

🚀 快速开始

模型信息

关于GGUF

GGUF是由llama.cpp团队在2023年8月21日推出的一种新格式，它取代了不再受llama.cpp支持的GGML格式。GGUF相较于GGML具有诸多优势，例如更好的分词功能、对特殊标记的支持，还支持元数据，并且设计为可扩展的。

以下是已知支持GGUF的客户端和库的不完全列表：

• llama.cpp：GGUF的源项目，提供命令行界面和服务器选项。
• text-generation-webui：最广泛使用的Web界面，具有许多功能和强大的扩展，支持GPU加速。
• KoboldCpp：功能齐全的Web界面，支持所有平台和GPU架构的GPU加速，尤其适合讲故事。
• LM Studio：适用于Windows和macOS（Silicon）的易用且强大的本地图形用户界面，支持GPU加速。
• LoLLMS Web UI：一个很棒的Web界面，具有许多有趣和独特的功能，包括一个完整的模型库，便于选择模型。
• Faraday.dev：适用于Windows和macOS（Silicon和Intel）的有吸引力且易于使用的基于角色的聊天图形用户界面，支持GPU加速。
• ctransformers：一个支持GPU加速、LangChain和OpenAI兼容AI服务器的Python库。
• llama-cpp-python：一个支持GPU加速、LangChain和OpenAI兼容API服务器的Python库。
• candle：一个专注于性能的Rust机器学习框架，包括GPU支持，并且易于使用。

📦 安装指南

如何下载GGUF文件

⚠️ 重要提示

手动下载者请注意：几乎不需要克隆整个仓库！这里提供了多种不同的量化格式，大多数用户只需要选择并下载单个文件。

以下客户端/库会自动为你下载模型，并提供可用模型列表供你选择：

• LM Studio
• LoLLMS Web UI
• Faraday.dev

在text-generation-webui中下载

在“Download Model”下，你可以输入模型仓库地址：PawanKrd/Llama-3-70B-Instruct-GGUF，然后在下方输入要下载的具体文件名，例如：llama-3-70b-instruct.Q4_K_M.gguf，最后点击“Download”。

在命令行下载（可同时下载多个文件）

建议使用huggingface-hub Python库：

pip3 install huggingface-hub>=0.17.1

然后，你可以使用以下命令将任何单个模型文件高速下载到当前目录：

huggingface-cli download PawanKrd/Llama-3-70B-Instruct-GGUF llama-3-70b-instruct.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

huggingface-cli download PawanKrd/Llama-3-70B-Instruct-GGUF --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

pip3 install hf_transfer

HUGGINGFACE_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download PawanKrd/Llama-3-70B-Instruct-GGUF llama-3-70b-instruct.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

💻 使用示例

在llama.cpp中运行

确保你使用的llama.cpp版本是提交号为 d0cee0d36d5be95a0d9088b674dbb27354107221 或更高的版本。

./main -ngl 32 -m llama-3-70b-instruct.Q4_K_M.gguf --color -c 8192 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "{prompt}"

• 将-ngl 32更改为要卸载到GPU的层数。如果没有GPU加速，请删除该参数。
• 将-c 8192更改为所需的序列长度。对于扩展序列模型（例如8K、16K、32K），必要的RoPE缩放参数会从GGUF文件中读取，并由llama.cpp自动设置。

如果你想进行聊天式对话，将-p <PROMPT>参数替换为-i -ins。

有关其他参数及其用法，请参考 llama.cpp文档。

在text-generation-webui中运行

更多说明请参考：text-generation-webui/docs/llama.cpp.md。

从Python代码中运行

你可以使用 llama-cpp-python 或 ctransformers 库从Python中使用GGUF模型。

使用ctransformers从Python加载此模型

首先安装包

# 无GPU加速的基础ctransformers
pip install ctransformers>=0.2.24
# 或使用CUDA GPU加速
pip install ctransformers[cuda]>=0.2.24
# 或使用ROCm GPU加速
CT_HIPBLAS=1 pip install ctransformers>=0.2.24 --no-binary ctransformers
# 或为macOS系统使用Metal GPU加速
CT_METAL=1 pip install ctransformers>=0.2.24 --no-binary ctransformers

加载GGUF模型的简单示例代码

from ctransformers import AutoModelForCausalLM

# 将gpu_layers设置为要卸载到GPU的层数。如果系统上没有GPU加速，请将其设置为0。
llm = AutoModelForCausalLM.from_pretrained("PawanKrd/Llama-3-70B-Instruct-GGUF", model_file="llama-3-70b-instruct.Q4_K_M.gguf", model_type="llama", gpu_layers=50)

print(llm("AI is going to"))

如何与LangChain一起使用

以下是使用llama-cpp-python或ctransformers与LangChain的指南：

• LangChain + llama-cpp-python
• LangChain + ctransformers

📚 详细文档

Discord

Pawan.Krd的Discord服务器

致谢

本README文件最初由 TheBlok 创建，并已针对此仓库进行了修改。