🚀 Virtuoso-Lite的Llamacpp imatrix量化版本

本项目提供了Virtuoso-Lite模型的量化版本，使用llama.cpp进行量化处理，旨在提升模型在不同硬件上的运行效率。

🚀 快速开始

运行环境

• 可在LM Studio中运行量化后的模型。
• 也可直接使用llama.cpp或其他基于llama.cpp的项目运行。

提示格式

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

✨ 主要特性

• 多种量化类型：提供了丰富的量化类型，如f32、Q8_0、Q6_K_L等，满足不同场景下对模型质量和性能的需求。
• 在线重打包：部分量化类型支持在线重打包，可根据硬件情况自动优化权重，提升性能。
• 灵活选择：用户可根据自身硬件资源（如RAM、VRAM）和性能需求，选择合适的量化文件。

📦 安装指南

使用huggingface-cli下载

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/Virtuoso-Lite-GGUF --include "Virtuoso-Lite-Q4_K_M.gguf" --local-dir ./

如果模型文件大于50GB，它会被拆分为多个文件。若要将它们全部下载到本地文件夹，可运行：

huggingface-cli download bartowski/Virtuoso-Lite-GGUF --include "Virtuoso-Lite-Q8_0/*" --local-dir ./

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

💻 使用示例

基础用法

在LM Studio中，选择对应的量化文件即可开始使用模型。

高级用法

如果你想使用huggingface-cli下载特定的量化文件，可参考上述安装指南中的命令。

📚 详细文档

量化文件下载

嵌入/输出权重

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

ARM/AVX信息

以前，你可能会下载Q4_0_4_4/4_8/8_8版本，这些版本的权重在内存中交错排列，以便在ARM和AVX机器上通过一次加载更多数据来提高性能。

现在，有了所谓的“在线重新打包”权重功能，详情见此PR。如果你使用Q4_0，并且你的硬件能从重新打包权重中受益，它将自动实时进行处理。

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，如果你想获得略高的质量，可以使用IQ4_NL，感谢此PR，它也会为ARM重新打包权重，不过目前仅支持4_4。加载时间可能会较慢，但总体速度会提高。

如何选择文件

🔧 技术细节

量化方法

使用llama.cpp的b4585版本进行量化。所有量化版本均使用imatrix选项，并采用此处的数据集。

在线重打包

对于支持在线重打包的量化版本，模型会根据硬件情况自动优化权重，以提升性能。具体细节可参考此PR。

📄 许可证

本项目采用其他许可证，具体详情请参考相关文件。

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。 感谢LM Studio对本项目的赞助。

如果你想支持我的工作，请访问我的ko-fi页面：https://ko-fi.com/bartowski