Thedrummer Cydonia 24B V4 GGUF

🚀 TheDrummer的Cydonia-24B-v4的Llamacpp imatrix量化模型

本项目提供了基于llama.cpp对TheDrummer的Cydonia-24B-v4模型进行量化的版本。通过量化处理，模型可以在资源有限的设备上更高效地运行，同时尽可能保持模型的性能。

🚀 快速开始

运行环境

• 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。

提示词格式

<s>[SYSTEM_PROMPT]{system_prompt}[/SYSTEM_PROMPT][INST]{prompt}[/INST]

✨ 主要特性

• 多种量化类型：提供了丰富的量化类型，如bf16、Q8_0、Q6_K_L等，满足不同用户对模型质量和文件大小的需求。
• 在线重打包技术：部分量化模型支持在线重打包技术，可根据硬件自动优化权重，提高性能。
• 详细的下载和使用指南：为用户提供了详细的下载和使用说明，方便用户选择和使用合适的量化模型。

📦 安装指南

安装huggingface-cli

首先，确保你已经安装了huggingface-cli：

pip install -U "huggingface_hub[cli]"

下载单个文件

如果你想下载单个文件，可以使用以下命令：

huggingface-cli download bartowski/TheDrummer_Cydonia-24B-v4-GGUF --include "TheDrummer_Cydonia-24B-v4-Q4_K_M.gguf" --local-dir ./

下载拆分文件

如果模型文件大于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，可以运行以下命令：

huggingface-cli download bartowski/TheDrummer_Cydonia-24B-v4-GGUF --include "TheDrummer_Cydonia-24B-v4-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如TheDrummer_Cydonia-24B-v4-Q8_0），也可以将它们全部下载到当前目录（./）。

💻 使用示例

目前文档未提供具体代码示例，你可以参考以下通用步骤使用这些量化模型：

1. 选择合适的量化模型文件进行下载。
2. 根据你的运行环境（如LM Studio或llama.cpp），将下载的模型文件加载到相应的工具中。
3. 使用指定的提示词格式输入提示信息，获取模型的输出结果。

📚 详细文档

量化信息

• 量化工具：使用 llama.cpp 版本 b5934 进行量化。
• 原始模型：TheDrummer/Cydonia-24B-v4
• 量化数据集：所有量化模型均使用imatrix选项和来自 这里 的数据集生成。

下载文件列表

嵌入/输出权重说明

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文件，这些文件的权重在内存中交错排列，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，有了所谓的权重“在线重打包”技术，详情见 此PR。如果你使用Q4_0且你的硬件能从权重重打包中受益，它将在运行时自动完成。

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，如果你想获得更好的质量，可以使用IQ4_NL，感谢 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

在线重打包技术

目前的llama.cpp版本支持在线重打包技术，对于Q4_0量化模型，如果硬件支持，会自动对权重进行重打包，以提高性能。具体细节可参考 此PR。

性能提升

以AVX2系统（EPYC7702）的基准测试为例，Q4_0_8_8在提示处理方面有显著提升，在文本生成方面也有小幅提升。具体测试结果如下：

📄 许可证

文档未提及相关许可证信息。

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对本项目的赞助。

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