🚀 Deepthink-Reasoning-7B的Llamacpp imatrix量化版本

本项目是对Deepthink-Reasoning-7B模型进行的Llamacpp imatrix量化，解决了在不同硬件条件下高效运行该模型的问题，为用户提供了多种量化类型的选择，以满足不同的性能和质量需求。

🚀 快速开始

使用 llama.cpp 的 b4404 版本进行量化。 原始模型：https://huggingface.co/prithivMLmods/Deepthink-Reasoning-7B 所有量化文件均使用imatrix选项，并采用来自 此处 的数据集生成。 你可以在 LM Studio 中运行这些量化文件。

✨ 主要特性

• 多种量化类型：提供了丰富的量化类型供用户选择，如f16、Q8_0、Q6_K_L等，以平衡模型质量和文件大小。
• 在线重打包：部分量化文件支持在线重打包，可自动优化在ARM和AVX机器上的性能。
• 灵活下载：支持使用huggingface-cli下载特定文件或整个模型。

📦 安装指南

使用huggingface-cli下载文件

首先，确保你已安装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/Deepthink-Reasoning-7B-GGUF --include "Deepthink-Reasoning-7B-Q4_K_M.gguf" --local-dir ./

如果模型大小超过50GB，它会被分割成多个文件。要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/Deepthink-Reasoning-7B-GGUF --include "Deepthink-Reasoning-7B-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如Deepthink-Reasoning-7B-Q8_0），也可以将它们全部下载到当前目录（./）。

💻 使用示例

提示格式

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

📚 详细文档

下载文件选择

嵌入/输出权重

部分量化文件（如Q3_K_XL、Q4_K_L等）采用标准量化方法，将嵌入和输出权重量化为Q8_0，而非默认值。

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，现在有了所谓的权重“在线重打包”功能，详情见 此PR。如果你使用Q4_0，且你的硬件能从权重重打包中受益，它会自动实时进行。 从llama.cpp构建版本 b4282 开始，你将无法运行Q4_0_X_X文件，而需要使用Q4_0。 此外，如果你想获得略好的质量，可以使用IQ4_NL，这得益于 此PR，它也会为ARM重新打包权重，不过目前仅支持4_4。加载时间可能会更长，但总体速度会提高。

选择哪个文件？

Artefact2 提供了一篇很棒的文章，带有展示各种性能的图表，点击此处查看 首先，你需要确定你能运行多大的模型。为此，你需要了解你有多少系统内存（RAM）和/或显存（VRAM）。 如果你希望模型尽可能快地运行，你需要将整个模型放入GPU的显存中。选择一个文件大小比你的GPU总显存小1 - 2GB的量化文件。 如果你追求绝对最高质量，将你的系统内存和GPU显存相加，然后选择一个文件大小比该总和小1 - 2GB的量化文件。 接下来，你需要决定是使用“I量化”还是“K量化”。 如果你不想考虑太多，选择一个K量化文件。这些文件的格式为“QX_K_X”，如Q5_K_M。 如果你想深入了解，可以查看这个非常有用的功能图表： llama.cpp功能矩阵 但基本上，如果你目标是低于Q4的量化，并且你使用的是cuBLAS（Nvidia）或rocBLAS（AMD），你应该考虑I量化文件。这些文件的格式为IQX_X，如IQ3_M。这些是较新的格式，在相同大小下提供更好的性能。 这些I量化文件也可以在CPU和Apple Metal上使用，但比相应的K量化文件慢，因此你需要在速度和性能之间做出权衡。 I量化文件 不 与Vulcan兼容，Vulcan也是AMD的技术，所以如果你使用的是AMD显卡，请仔细检查你使用的是rocBLAS版本还是Vulcan版本。在撰写本文时，LM Studio有一个支持ROCm的预览版，其他推理引擎也有针对ROCm的特定版本。

🔧 技术细节

Q4_0_X_X信息（已弃用）

保留此部分是为了展示使用支持在线重打包的Q4_0在理论上可能的性能提升。

📄 许可证

本项目采用 creativeml-openrail-m 许可证。

致谢

感谢kalomaze和Dampf在创建imatrix校准数据集方面提供的帮助。 感谢ZeroWw在嵌入/输出实验方面提供的灵感。 如果你想支持我的工作，请访问我的ko-fi页面：https://ko-fi.com/bartowski