base_model: microsoft/phi-2 inference: false language:

• en license: other license_link: https://huggingface.co/microsoft/phi-2/resolve/main/LICENSE license_name: microsoft-research-license model_creator: Microsoft model_name: Phi 2 model_type: phi-msft pipeline_tag: text-generation prompt_template: '指令: {prompt}

  输出:

  ' quantized_by: TheBloke tags:

• nlp

• code

Phi 2 - GGUF

• 模型创作者: Microsoft
• 原始模型: Phi 2

模型描述

本仓库包含Microsoft的Phi 2的GGUF格式模型文件。

关于GGUF

GGUF是llama.cpp团队于2023年8月21日引入的新格式。它是GGML的替代品，llama.cpp已不再支持GGML。

以下是已知支持GGUF的客户端和库的不完整列表：

• llama.cpp。GGUF的源项目。提供CLI和服务器选项。
• text-generation-webui，最广泛使用的Web UI，具有许多功能和强大的扩展。支持GPU加速。
• KoboldCpp，功能齐全的Web UI，支持所有平台和GPU架构的GPU加速。特别适合故事创作。
• GPT4All，免费开源的本地运行GUI，支持Windows、Linux和macOS，具备完整的GPU加速。
• LM Studio，易于使用且功能强大的本地GUI，适用于Windows和macOS（Silicon），支持GPU加速。Linux版本自2023年11月27日起处于测试阶段。
• LoLLMS Web UI，一个优秀的Web UI，具有许多有趣且独特的功能，包括完整的模型库以便轻松选择模型。
• Faraday.dev，一个吸引人且易于使用的基于角色的聊天GUI，适用于Windows和macOS（Silicon和Intel），支持GPU加速。
• llama-cpp-python，一个支持GPU加速的Python库，具备LangChain支持和OpenAI兼容的API服务器。
• candle，一个专注于性能的Rust ML框架，包括GPU支持和易用性。
• ctransformers，一个支持GPU加速的Python库，具备LangChain支持和OpenAI兼容的AI服务器。注意，截至撰写时（2023年11月27日），ctransformers已长时间未更新，不支持许多最新模型。

可用仓库

• 用于GPU推理的GPTQ模型，提供多种量化参数选项。
• 用于CPU+GPU推理的2、3、4、5、6和8位GGUF模型
• Microsoft原始的未量化fp16模型，以pytorch格式提供，用于GPU推理和进一步转换

提示模板：Phi

指令: {prompt}
输出:

兼容性

这些量化的GGUFv2文件与自2023年8月27日起的llama.cpp兼容，提交号为d0cee0d

它们也与许多第三方UI和库兼容——请参阅本README顶部的列表。

量化方法说明

提供的文件

注意：上述RAM数据假设没有GPU卸载。如果将层卸载到GPU，将减少RAM使用并改用VRAM。

如何下载GGUF文件

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

以下客户端/库会自动为您下载模型，提供可供选择的模型列表：

• LM Studio
• LoLLMS Web UI
• Faraday.dev

在text-generation-webui中

在“下载模型”下，您可以输入模型仓库：TheBloke/phi-2-GGUF，并在下方输入要下载的特定文件名，例如：phi-2.Q4_K_M.gguf。

然后点击“下载”。

在命令行中，包括一次性下载多个文件

推荐使用huggingface-hub Python库：

pip3 install huggingface-hub

然后，您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 TheBloke/phi-2-GGUF phi-2.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

huggingface-cli download TheBloke/phi-2-GGUF --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

pip3 install hf_transfer

HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download TheBloke/phi-2-GGUF phi-2.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

示例llama.cpp命令

确保您使用的是提交号为d0cee0d或更高版本的llama.cpp。

./main -ngl 35 -m phi-2.Q4_K_M.gguf --color -c 2048 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "指令: {prompt}\n输出:"

将-ngl 32更改为要卸载到GPU的层数。如果没有GPU加速，请删除此参数。

将-c 2048更改为所需的序列长度。对于扩展序列模型（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。请注意，更长的序列长度需要更多的资源，因此您可能需要减少此值。

如果想要进行聊天式对话，请将-p <PROMPT>参数替换为-i -ins

有关其他参数及其使用方法，请参阅llama.cpp文档

如何在text-generation-webui中运行

更多说明可以在text-generation-webui文档中找到，这里：text-generation-webui/docs/04 ‐ Model Tab.md。

如何从Python代码运行

您可以使用llama-cpp-python或ctransformers库从Python中使用GGUF模型。请注意，截至撰写时（2023年11月27日），ctransformers已有一段时间未更新，与一些最新模型不兼容。因此，我建议您使用llama-cpp-python。

如何在Python代码中加载此模型，使用llama-cpp-python

完整文档请参阅：llama-cpp-python文档。

首先安装包

根据您的系统运行以下命令之一：

# 基础ctransformers，无GPU加速
pip install llama-cpp-python
# 使用NVidia CUDA加速
CMAKE_ARGS="-DLLAMA_CUBLAS=on" pip install llama-cpp-python
# 或使用OpenBLAS加速
CMAKE_ARGS="-DLLAMA_BLAS=ON -DLLAMA_BLAS_VENDOR=OpenBLAS" pip install llama-cpp-python
# 或使用CLBLast加速
CMAKE_ARGS="-DLLAMA_CLBLAST=on" pip install llama-cpp-python
# 或使用AMD ROCm GPU加速（仅限Linux）
CMAKE_ARGS="-DLLAMA_HIPBLAS=on" pip install llama-cpp-python
# 或使用Metal GPU加速（仅限macOS系统）
CMAKE_ARGS="-DLLAMA_METAL=on" pip install llama-cpp-python

# 在Windows中，要在PowerShell中设置变量CMAKE_ARGS，请遵循此格式；例如对于NVidia CUDA：
$env:CMAKE_ARGS = "-DLLAMA_OPENBLAS=on"
pip install llama-cpp-python

简单的llama-cpp-python示例代码

from llama_cpp import Llama

# 将gpu_layers设置为要卸载到GPU的层数。如果您的系统上没有GPU加速，请设置为0。
llm = Llama(
  model_path="./phi-2.Q4_K_M.gguf",  # 首先下载模型文件
  n_ctx=2048,  # 要使用的最大序列长度 - 注意，更长的序列长度需要更多的资源
  n_threads=8,            # 要使用的CPU线程数，根据您的系统和性能进行调整
  n_gpu_layers=35         #