量化者：bartowski
流水线标签：文本生成
基础模型：nvidia/Llama-3.1-Nemotron-Nano-4B-v1.1
许可证名称：nvidia-open-model-license
语言：

• 英语
  数据集：
• nvidia/Llama-Nemotron-Post-Training-Dataset
  标签：
• nvidia
• llama-3
  许可证：其他
  许可证链接：https://www.nvidia.com/en-us/agreements/enterprise-software/nvidia-open-model-license/
  基础模型关系：量化

NVIDIA Llama-3.1-Nemotron-Nano-4B-v1.1 的 Llamacpp imatrix 量化版本

使用 llama.cpp 版本 b5432 进行量化。

原始模型：https://huggingface.co/nvidia/Llama-3.1-Nemotron-Nano-4B-v1.1

所有量化均使用 imatrix 选项，数据集来自 此处。

可在 LM Studio 中运行。

也可直接使用 llama.cpp 或任何基于 llama.cpp 的项目运行。

提示格式

<|begin_of_text|><|start_header_id|>system<|end_header_id|>  

{系统提示}<|eot_id|><|start_header_id|>user<|end_header_id|>  

{提示}<|eot_id|><|start_header_id|>assistant<|end_header_id|>  

从下方下载单个文件（非整个分支）：

嵌入/输出权重

部分量化（如 Q3_K_XL、Q4_K_L 等）为标准量化方法，但嵌入和输出权重被量化为 Q8_0，而非默认值。

使用 huggingface-cli 下载

pip install -U "huggingface_hub[cli]"  

huggingface-cli download bartowski/nvidia_Llama-3.1-Nemotron-Nano-4B-v1.1-GGUF --include "nvidia_Llama-3.1-Nemotron-Nano-4B-v1.1-Q4_K_M.gguf" --local-dir ./  

huggingface-cli download bartowski/nvidia_Llama-3.1-Nemotron-Nano-4B-v1.1-GGUF --include "nvidia_Llama-3.1-Nemotron-Nano-4B-v1.1-Q8_0/*" --local-dir ./  

ARM/AVX 信息

过去，您会下载 Q4_0_4_4/4_8/8_8，这些文件的内存权重会被交错排列，以提高 ARM 和 AVX 机器的性能，从而一次性加载更多数据。

但现在，有一种称为“在线重打包”的功能，详情见 此 PR。如果使用 Q4_0 且硬件支持重打包权重，它会自动在运行时完成。

从 llama.cpp 版本 b4282 开始，您将无法运行 Q4_0_X_X 文件，而需要使用 Q4_0。

此外，如果您希望获得稍好的质量，可以使用 IQ4_NL，这要归功于 此 PR，它也会为 ARM 重打包权重（目前仅支持 4_4）。加载时间可能更长，但会带来整体速度提升。

应该选择哪个文件？

致谢

感谢 kalomaze 和 Dampf 协助创建 imatrix 校准数据集。

感谢 ZeroWw 启发我尝试嵌入/输出权重实验。

感谢 LM Studio 赞助我的工作。

想支持我的工作？访问我的 ko-fi 页面：https://ko-fi.com/bartowski