标签:

• 量化
• 2比特
• 3比特
• 4比特
• 5比特
• 6比特
• 8比特
• GGUF
• 变换器
• 安全张量
• phi
• 文本生成
• 对话AI
• 对话式
• 自定义代码
• 英语
• 许可证:MIT
• 模型索引
• 自动训练兼容
• 端点兼容
• 文本生成推理
• 地区:美国
• 有空间
• 文本生成 模型名称: phi-2-super-GGUF 基础模型: abacaj/phi-2-super 推理: 否 模型创建者: abacaj 流水线标签: 文本生成 量化者: MaziyarPanahi

MaziyarPanahi/phi-2-super-GGUF

• 模型创建者: abacaj
• 原始模型: abacaj/phi-2-super

描述

MaziyarPanahi/phi-2-super-GGUF 包含 abacaj/phi-2-super 的GGUF格式模型文件。

使用方法

感谢 TheBloke 准备了关于如何使用GGUF模型的详细说明：

关于GGUF

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

以下是不完全支持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，支持所有平台和GPU架构的加速。特别适合故事讲述。
• GPT4All，免费开源的本地运行GUI，支持Windows、Linux和macOS，具有完整的GPU加速。
• LM Studio，易于使用且功能强大的本地GUI，支持Windows和macOS（Silicon），具有GPU加速。Linux版本于2023年11月27日处于测试阶段。
• 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，支持Windows和macOS（Silicon和Intel），具有GPU加速。
• llama-cpp-python，一个具有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。
• ctransformers，一个具有GPU加速、LangChain支持和OpenAI兼容AI服务器的Python库。注意，截至2023年11月27日，ctransformers已长时间未更新，不支持许多最新模型。

量化方法说明

pip3 install huggingface-hub

huggingface-cli download MaziyarPanahi/phi-2-super-GGUF phi-2-super-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

huggingface-cli download [MaziyarPanahi/phi-2-super-GGUF](https://huggingface.co/MaziyarPanahi/phi-2-super-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/phi-2-super-GGUF phi-2-super-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

示例 llama.cpp 命令

确保使用 d0cee0d 或更高版本的 llama.cpp。

./main -ngl 35 -m phi-2-super-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 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 32768 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。注意，更长的序列长度需要更多资源，因此可能需要减少此值。

如果要进行聊天式对话，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：text-generation-webui/docs/04 ‚Äê 模型标签.md。

如何从Python代码运行

可以使用 llama-cpp-python 或 ctransformers 库从Python中使用GGUF模型。注意，截至2023年11月27日，ctransformers已长时间未更新，与某些最新模型不兼容。因此建议使用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系统）
CMAKE_ARGS="-DLLAMA_METAL=on" pip install llama-cpp-python

# 在Windows中，要在PowerShell中设置CMAKE_ARGS变量，请按以下格式；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。如果系统没有GPU加速，则设置为0。
llm = Llama(
  model_path="./phi-2-super-GGUF.Q4_K_M.gguf",  # 首先下载模型文件
  n_ctx=32768,  # 使用的最大序列长度 - 注意更长的序列长度需要更多资源
  n_threads=8,            # 使用的CPU线程数，根据系统和性能调整
  n_gpu_layers=35         # 要卸载到GPU的层数，如果有GPU加速可用
)

# 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个令牌
  stop=["</s>"],   # 示例停止令牌 - 不一定适用于此特定模型！使用前请检查。
  echo=True        # 是否回显提示
)

# 聊天完成API

llm = Llama(model_path="./phi-2-super-GGUF.Q4_K_M.gguf", chat_format="llama-2")  # 根据使用的模型设置chat_format
llm.create_chat_completion(
    messages = [
        {"role": "system", "content": "你是一个故事写作助手。"},
        {
            "role": "user",
            "content": "写一个关于羊驼的故事。"
        }
    ]
)

如何与LangChain一起使用

以下是关于将llama-cpp-python和ctransformers与LangChain一起使用的指南：

• LangChain + llama-cpp-python
• LangChain + ctransformers