许可证：apache-2.0
标签：

• 量化
• 2比特
• 3比特
• 4比特
• 5比特
• 6比特
• 8比特
• GGUF
• transformers
• safetensors
• mistral
• 文本生成
• 训练生成
• 英语
• arxiv:2312.02724
• 基础模型：mistralai/Mistral-7B-v0.1
• 许可证：mit
• 兼容自动训练
• 兼容终端
• 文本生成推理
• 地区：美国

模型名称：rank_zephyr_7b_v1_full-GGUF
基础模型：castorini/rank_zephyr_7b_v1_full
推理：false
模型创建者：castorini
流水线标签：文本排序
量化者：MaziyarPanahi

MaziyarPanahi/rank_zephyr_7b_v1_full-GGUF

• 模型创建者：castorini
• 原始模型：castorini/rank_zephyr_7b_v1_full

描述

MaziyarPanahi/rank_zephyr_7b_v1_full-GGUF 包含 castorini/rank_zephyr_7b_v1_full 的 GGUF 格式模型文件。

使用方法

感谢 TheBloke 提供了关于如何使用 GGUF 模型的详细 README：

关于 GGUF

GGUF 是 llama.cpp 团队于 2023 年 8 月 21 日引入的新格式，用于替代不再受支持的 GGML 格式。

以下是不完整支持 GGUF 的客户端和库列表：

• 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，功能全面的 Web UI，支持跨平台和 GPU 架构的加速，特别适合故事生成。
• 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，支持 Windows 和 macOS（Silicon），具备 GPU 加速。Linux 版本于 2023 年 11 月 27 日进入测试阶段。
• LoLLMS Web UI，出色的 Web UI，具有许多独特功能，包括完整的模型库以便轻松选择模型。
• Faraday.dev，美观易用的角色聊天 GUI，支持 Windows 和 macOS（Silicon 和 Intel），具备 GPU 加速。
• llama-cpp-python，支持 GPU 加速的 Python 库，具备 LangChain 支持和 OpenAI 兼容的 API 服务器。
• candle，专注于性能的 Rust ML 框架，支持 GPU 并易于使用。
• ctransformers，支持 GPU 加速的 Python 库，具备 LangChain 支持和 OpenAI 兼容的 AI 服务器。截至 2023 年 11 月 27 日，ctransformers 已长时间未更新，不支持许多新模型。

量化方法说明

pip3 install huggingface-hub  

huggingface-cli download MaziyarPanahi/rank_zephyr_7b_v1_full-GGUF rank_zephyr_7b_v1_full-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False  

huggingface-cli download [MaziyarPanahi/rank_zephyr_7b_v1_full-GGUF](https://huggingface.co/MaziyarPanahi/rank_zephyr_7b_v1_full-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 MaziyarPanahi/rank_zephyr_7b_v1_full-GGUF rank_zephyr_7b_v1_full-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False  

llama.cpp 命令示例

确保使用 d0cee0d 或更高版本的 llama.cpp。

./main -ngl 35 -m rank_zephyr_7b_v1_full-GGUF.Q4_K_M.gguf --color -c 32768 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "<|im_start|>system  
{system_message}<|im_end|>  
<|im_start|>user  
{prompt}<|im_end|>  
<|im_start|>assistant"  

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

将 -c 32768 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。注意，更长的序列长度需要更多资源，可能需要减少此值。

如需进行聊天式对话，将 -p <PROMPT> 参数替换为 -i -ins。

其他参数及使用方法，请参阅 llama.cpp 文档。

如何在 text-generation-webui 中运行

更多说明请参阅 text-generation-webui 文档：text-generation-webui/docs/04 ‐ Model Tab.md。

如何从 Python 代码运行

可通过 llama-cpp-python 或 ctransformers 库在 Python 中使用 GGUF 模型。截至 2023 年 11 月 27 日，ctransformers 已长时间未更新，不兼容许多新模型，因此推荐使用 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）  
CMAKE_ARGS="-DLLAMA_METAL=on" pip install llama-cpp-python  

# 在 Windows 中，通过 PowerShell 设置 CMAKE_ARGS 变量，例如 NVidia CUDA：  
$env:CMAKE_ARGS = "-DLLAMA_OPENBLAS=on"  
pip install llama-cpp-python  

简单 llama-cpp-python 示例代码

from llama_cpp import Llama  

# 设置 gpu_layers 为要卸载到 GPU 的层数。若无 GPU 加速，设为 0。  
llm = Llama(  
  model_path="./rank_zephyr_7b_v1_full-GGUF.Q4_K_M.gguf",  # 先下载模型文件  
  n_ctx=32768,  # 最大序列长度，注意更长的序列需要更多资源  
  n_threads=8,            # 使用的 CPU 线程数，根据系统和性能调整  
  n_gpu_layers=35         # 卸载到 GPU 的层数，如有 GPU 加速  
)  

# 简单推理示例  
output = llm(  
  "<|im_start|>system  
{system_message}<|im_end|>  
<|im_start|>user  
{prompt}<|im_end|>  
<|im_start|>assistant", # 提示  
  max_tokens=512,  # 最多生成 512 个 token  
  stop=["</s>"],   # 停止 token 示例，使用前请确认是否正确  
  echo=True        #