Black Ink Guild Pernicious Prophecy 70B GGUF

🚀 Black-Ink-Guild的Pernicious_Prophecy_70B的Llamacpp imatrix量化版本

本项目提供了基于llama.cpp的Black-Ink-Guild/Pernicious_Prophecy_70B模型的量化版本。通过量化，可在不同硬件条件下更高效地运行模型，满足多种场景需求。

🚀 快速开始

• 使用 LM Studio 运行量化模型。
• 也可以使用 llama.cpp 或其他基于llama.cpp的项目直接运行。

✨ 主要特性

• 多种量化类型：提供了丰富的量化类型选择，如Q8_0、Q6_K、Q5_K_M等，可根据不同的硬件条件和性能需求进行选择。
• 高质量输出：部分量化类型在保证模型大小的同时，仍能提供较高的输出质量。
• 在线重打包：部分量化类型支持在线重打包，可自动优化硬件性能。

📦 安装指南

安装huggingface-cli

确保你已经安装了huggingface-cli：

pip install -U "huggingface_hub[cli]"

下载指定文件

你可以指定要下载的具体文件：

huggingface-cli download bartowski/Black-Ink-Guild_Pernicious_Prophecy_70B-GGUF --include "Black-Ink-Guild_Pernicious_Prophecy_70B-Q4_K_M.gguf" --local-dir ./

下载拆分文件

如果模型大小超过50GB，它会被拆分成多个文件。要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/Black-Ink-Guild_Pernicious_Prophecy_70B-GGUF --include "Black-Ink-Guild_Pernicious_Prophecy_70B-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录，也可以将它们全部下载到当前目录。

💻 使用示例

提示格式

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

{system_prompt}<|eot_id|><|start_header_id|>user<|end_header_id|>

{prompt}<|eot_id|><|start_header_id|>assistant<|end_header_id|>

📚 详细文档

下载文件

你可以从以下列表中下载文件（不是整个分支）：

嵌入/输出权重

部分量化类型（如Q3_K_XL、Q4_K_L等）采用标准量化方法，将嵌入和输出权重量化为Q8_0，而非通常的默认值。

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。

现在，有了所谓的“在线重打包”权重。详情见 此PR。如果你使用Q4_0，并且你的硬件可以从权重重打包中受益，它将自动实时进行。

从llama.cpp构建 b4282 开始，你将无法运行Q4_0_X_X文件，而需要使用Q4_0。

此外，如果你想获得稍好的质量，可以使用IQ4_NL，感谢 此PR，它也会为ARM重新打包权重，不过目前仅支持4_4。加载时间可能会更长，但总体速度会提高。

如何选择文件

首先，你需要确定可以运行的模型大小。为此，你需要了解自己拥有多少RAM和/或VRAM。

• 如果你希望模型尽可能快地运行，你需要将整个模型放入GPU的VRAM中。选择文件大小比GPU总VRAM小1 - 2GB的量化版本。
• 如果你追求绝对最高质量，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的量化版本。

接下来，你需要决定是否使用“I - 量化”或“K - 量化”。

• 如果你不想考虑太多，选择K - 量化。这些格式为“QX_K_X”，如Q5_K_M。
• 如果你想深入了解，可以查看这个非常有用的特性图表：llama.cpp特性矩阵

一般来说，如果你目标是低于Q4的量化，并且你使用的是cuBLAS（Nvidia）或rocBLAS（AMD），你应该考虑I - 量化。这些格式为IQX_X，如IQ3_M。这些是较新的量化类型，相同大小下性能更好。

I - 量化也可以在CPU和Apple Metal上使用，但比对应的K - 量化慢，所以你需要在速度和性能之间进行权衡。

I - 量化与Vulcan（也是AMD）不兼容，所以如果你有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

量化方法

使用 llama.cpp 发布版本 b4585 进行量化。所有量化均使用imatrix选项，并使用来自 此处 的数据集。

在线重打包

Q4_0支持在线重打包权重，可根据硬件自动优化性能。具体细节见 此PR。

📄 许可证

本项目使用llama3.3许可证。

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。 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