🚀 TreeVGR-7B-CI 模型介绍
本项目提供了基于视觉的问答、视觉定位和视觉推理的模型量化版本,方便用户在不同场景下使用。
📦 模型信息
属性 |
详情 |
基础模型 |
HaochenWang/TreeVGR-7B-CI |
训练数据集 |
HaochenWang/TreeBench、HaochenWang/TreeVGR-RL-37K、HaochenWang/TreeVGR-SFT-35K |
语言 |
英语 |
库名称 |
transformers |
许可证 |
apache-2.0 |
量化者 |
mradermacher |
标签 |
视觉问答、视觉定位、视觉推理、qwen |
📚 关于模型
加权/矩阵量化版本来自 https://huggingface.co/HaochenWang/TreeVGR-7B-CI。
如需便捷的概述和下载列表,请访问我们的 该模型页面。
静态量化版本可在 https://huggingface.co/mradermacher/TreeVGR-7B-CI-GGUF 获取。
这是一个视觉模型 - mmproj 文件(如果有)将存于 静态仓库。
💻 使用说明
如果您不确定如何使用 GGUF 文件,请参考 TheBloke 的 README 获取更多详细信息,包括如何拼接多部分文件。
📋 提供的量化版本
(按大小排序,不一定按质量排序。IQ 量化通常优于类似大小的非 IQ 量化)
链接 |
类型 |
大小(GB) |
备注 |
GGUF |
i1-IQ1_S |
2.0 |
适用于资源紧张情况 |
GGUF |
i1-IQ1_M |
2.1 |
多数情况下资源紧张 |
GGUF |
i1-IQ2_XXS |
2.4 |
|
GGUF |
i1-IQ2_XS |
2.6 |
|
GGUF |
i1-IQ2_S |
2.7 |
|
GGUF |
i1-IQ2_M |
2.9 |
|
GGUF |
i1-Q2_K_S |
2.9 |
质量非常低 |
GGUF |
i1-Q2_K |
3.1 |
IQ3_XXS 可能更好 |
GGUF |
i1-IQ3_XXS |
3.2 |
质量较低 |
GGUF |
i1-IQ3_XS |
3.4 |
|
GGUF |
i1-Q3_K_S |
3.6 |
IQ3_XS 可能更好 |
GGUF |
i1-IQ3_S |
3.6 |
优于 Q3_K* |
GGUF |
i1-IQ3_M |
3.7 |
|
GGUF |
i1-Q3_K_M |
3.9 |
IQ3_S 可能更好 |
GGUF |
i1-Q3_K_L |
4.2 |
IQ3_M 可能更好 |
GGUF |
i1-IQ4_XS |
4.3 |
|
GGUF |
i1-IQ4_NL |
4.5 |
优先选择 IQ4_XS |
GGUF |
i1-Q4_0 |
4.5 |
速度快,质量低 |
GGUF |
i1-Q4_K_S |
4.6 |
大小/速度/质量最优 |
GGUF |
i1-Q4_K_M |
4.8 |
速度快,推荐使用 |
GGUF |
i1-Q4_1 |
5.0 |
|
GGUF |
i1-Q5_K_S |
5.4 |
|
GGUF |
i1-Q5_K_M |
5.5 |
|
GGUF |
i1-Q6_K |
6.4 |
实际上类似静态 Q6_K |
以下是 ikawrakow 提供的一个对比一些低质量量化类型的便捷图表(值越低越好):

此外,您可以查看 Artefact2 对此事的看法:https://gist.github.com/Artefact2/b5f810600771265fc1e39442288e8ec9
❓ 常见问题与模型请求
有关您可能遇到的问题的解答,以及如果您希望对其他模型进行量化,请访问 https://huggingface.co/mradermacher/model_requests。
🙏 致谢
感谢我的公司 nethype GmbH,允许我使用其服务器,并对我的工作站进行升级,使我能够在业余时间完成这项工作。此外,感谢 @nicoboss 让我使用他的私人超级计算机,使我能够提供更多、质量更高的矩阵量化版本。