Dolphin3.0 Llama3.1 8B GGUF

🚀 Dolphin3.0-Llama3.1-8B的Llamacpp imatrix量化版本

本项目提供了Dolphin3.0-Llama3.1-8B模型的量化版本，解决了在资源受限环境下高效运行大模型的问题，能够让用户以更小的资源消耗使用该模型进行文本生成任务。

基本信息

🚀 快速开始

使用 llama.cpp 的 b4418 版本进行量化。 原始模型地址：https://huggingface.co/cognitivecomputations/Dolphin3.0-Llama3.1-8B 所有量化模型均使用 imatrix 选项和 此处 的数据集生成。 可在 LM Studio 中运行这些量化模型。

✨ 主要特性

• 多种量化类型：提供了丰富的量化类型供用户选择，以满足不同的性能和质量需求。
• 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。
• 详细文档：提供了下载、使用和选择量化模型的详细说明。

📦 安装指南

使用huggingface-cli下载

首先，确保你已安装huggingface-cli：

pip install -U "huggingface_hub[cli]"

然后，你可以指定要下载的特定文件：

huggingface-cli download bartowski/Dolphin3.0-Llama3.1-8B-GGUF --include "Dolphin3.0-Llama3.1-8B-Q4_K_M.gguf" --local-dir ./

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

huggingface-cli download bartowski/Dolphin3.0-Llama3.1-8B-GGUF --include "Dolphin3.0-Llama3.1-8B-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如Dolphin3.0-Llama3.1-8B-Q8_0），也可以将它们全部下载到当前目录（./）。

💻 使用示例

提示格式

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

📚 详细文档

下载文件

可从以下列表中下载单个文件（而非整个分支）：

嵌入/输出权重

部分量化模型（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，而非默认值。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8文件，这些文件的权重会在内存中交错排列，以便在ARM和AVX机器上通过一次加载更多数据来提高性能。

然而，现在有了一种名为“在线重打包”的权重处理方式，详情见 此PR。如果你使用Q4_0且硬件能从权重重打包中受益，它会自动实时进行重打包。

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

此外，如果你想获得稍好的质量，可以使用IQ4_NL，这得益于 此PR，它也会为ARM重打包权重，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

🔧 技术细节

本项目使用 llama.cpp 的 b4418 版本进行量化，利用了在线重打包等技术来优化模型在不同硬件上的性能。

📄 许可证

本项目使用 llama3.1 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。

如果你想支持我的工作，请访问我的ko-fi页面：https://ko-fi.com/bartowski