base_model: mistralai/Mistral-7B-v0.1 inference: false license: apache-2.0 model_creator: Mistral AI model_name: Mistral 7B v0.1 model_type: mistral pipeline_tag: text-generation prompt_template: '{prompt}

' quantized_by: TheBloke tags:

• pretrained

Mistral 7B v0.1 - GGUF

• 模型创建者：Mistral AI
• 原始模型：Mistral 7B v0.1

描述

本仓库包含Mistral AI的Mistral 7B v0.1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，后者已不再受llama.cpp支持。

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。特别适合故事讲述。
• LM Studio，一个易于使用且功能强大的Windows和macOS（Silicon）本地GUI，支持GPU加速。
• 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。
• ctransformers，一个带有GPU加速、LangChain支持和OpenAI兼容AI服务器的Python库。
• llama-cpp-python，一个带有GPU加速、LangChain支持和OpenAI兼容API服务器的Python库。
• candle，一个专注于性能的Rust ML框架，包括GPU支持和易用性。

可用仓库

• 用于GPU推理的AWQ模型。
• 用于GPU推理的GPTQ模型，具有多种量化参数选项。
• 用于CPU+GPU推理的2、3、4、5、6和8位GGUF模型
• Mistral AI的原始未量化fp16模型，以pytorch格式提供，用于GPU推理和进一步转换

提示模板：无

{prompt}

兼容性

这些量化的GGUFv2文件与2023年8月27日之后的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。

序列长度说明：该模型将在4096或更低的序列长度下工作。GGUF尚未支持新的滑动窗口序列长度模式，因此不支持更长的序列长度。

量化方法说明

提供文件

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

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/库将自动为您下载模型，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/Mistral-7B-v0.1-GGUF，并在其下方输入要下载的特定文件名，例如：mistral-7b-v0.1.Q4_K_M.gguf。

然后点击下载。

在命令行中，包括一次多个文件

我推荐使用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下载到当前目录，高速下载：

huggingface-cli download TheBloke/Mistral-7B-v0.1-GGUF mistral-7b-v0.1.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

huggingface-cli download TheBloke/Mistral-7B-v0.1-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/Mistral-7B-v0.1-GGUF mistral-7b-v0.1.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或之后的llama.cpp。

./main -ngl 32 -m mistral-7b-v0.1.Q4_K_M.gguf --color -c 4096 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "{prompt}"

将-ngl 32更改为要卸载到GPU的层数。如果没有GPU加速，请移除该参数。

序列长度可以是4096或更低。Mistral的滑动窗口序列长度在llama.cpp中尚未支持，因此不支持超过4096的序列长度。

如果您想要进行聊天式对话，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

更多说明请见：text-generation-webui/docs/llama.cpp.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。

如何在Python代码中加载此模型，使用ctransformers

注意：我尚未测试ctransformers与Mistral模型，但如果将model_type设置为llama，可能会工作。

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 ctransformers
# 或使用CUDA GPU加速
pip install ctransformers[cuda]
# 或使用AMD ROCm GPU加速（仅限Linux）
CT_HIPBLAS=1 pip install ctransformers --no-binary ctransformers
# 或使用Metal GPU加速（仅限macOS系统）
CT_METAL=1 pip install ctransformers --no-binary ctransformers

简单的ctransformers示例代码

from ctransformers import AutoModelForCausalLM

# 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，设置为0。
llm = AutoModelForCausalLM.from_pretrained("TheBloke/Mistral-7B-v0.1-GGUF", model_file="mistral-7b-v0.1.Q4_K_M.gguf", model_type="mistral", gpu_layers=50)

print(llm("