🚀 xlangai的Jedi - 7B - 1080p的Llamacpp imatrix量化模型

使用llama.cpp进行量化的Jedi - 7B - 1080p模型

📖 详细文档 • 🚀 快速开始 • 💻 使用示例

🚀 快速开始

本项目是xlangai的Jedi - 7B - 1080p模型的量化版本。使用 llama.cpp 发布版本 b5524 进行量化。

运行方式

• 你可以在 LM Studio 中运行这些量化模型。
• 也可以直接使用 llama.cpp 或任何基于llama.cpp的项目来运行。

下载文件

你可以从下面的表格中选择并下载单个文件（而非整个分支）：

✨ 主要特性

• 量化方式：使用 llama.cpp 发布版本 b5524 进行量化。
• 多种量化类型：提供了多种量化类型供用户选择，以平衡文件大小和模型质量。
• 嵌入/输出权重优化：部分量化方法（如Q3_K_XL、Q4_K_L等）将嵌入和输出权重量化为Q8_0，而非默认值。

📦 安装指南

使用huggingface - cli下载

首先，确保你已经安装了huggingface - cli：

pip install -U "huggingface_hub[cli]"

然后，你可以指定要下载的特定文件：

huggingface-cli download bartowski/xlangai_Jedi-7B-1080p-GGUF --include "xlangai_Jedi-7B-1080p-Q4_K_M.gguf" --local-dir ./

如果模型大于50GB，它会被拆分为多个文件。要将所有文件下载到本地文件夹，请运行：

huggingface-cli download bartowski/xlangai_Jedi-7B-1080p-GGUF --include "xlangai_Jedi-7B-1080p-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如xlangai_Jedi-7B-1080p-Q8_0），也可以将它们都下载到当前目录（./）。

💻 使用示例

基础用法

提示格式

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

📚 详细文档

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8文件，这些文件的权重会在内存中交错排列，以便通过一次加载更多数据来提高ARM和AVX机器的性能。

然而，现在有一种叫做“在线重新打包”的权重处理方式。详细信息请参考 此PR。如果你使用Q4_0并且你的硬件可以从重新打包权重中受益，它会自动在运行时进行处理。

截至llama.cpp构建版本 b4282，你将无法运行Q4_0_X_X文件，而需要使用Q4_0。

此外，如果你想在某些情况下获得稍好的质量，可以使用IQ4_NL。这得益于 此PR，它也会为ARM重新打包权重，但目前仅适用于4_4情况。加载时间可能会更长，但总体速度会有所提升。

如何选择文件

🔧 技术细节

嵌入/输出权重

部分量化方法（如Q3_K_XL、Q4_K_L等）是标准的量化方法，但将嵌入和输出权重量化为Q8_0，而非通常的默认值。

🤝 贡献指南

本项目感谢以下人员的贡献：

• 感谢kalomaze和Dampf协助创建imatrix校准数据集。
• 感谢ZeroWw激发了对嵌入/输出进行实验的灵感。
• 感谢LM Studio对作者工作的赞助。

如果你想支持作者的工作，可以访问作者的ko - fi页面：https://ko-fi.com/bartowski

📄 许可证

本项目采用Apache 2.0许可证。