🚀 QVQ-72B-Preview的Llamacpp imatrix量化版本

本项目是QVQ-72B-Preview模型基于llamacpp的imatrix量化版本，提供了多种量化类型的模型文件，方便不同硬件配置和使用场景下的部署与应用。

🚀 快速开始

运行方式

QwenVL模型需要使用llama-qwen2vl-cli工具，示例命令如下：

./llama-qwen2vl-cli -m /models/QVQ-72B-Preview-Q4_K_M.gguf \
  --mmproj /models/mmproj-QVQ-72B-Preview-f16.gguf \
  -p 'How many fingers does this hand have.' \
  --image '/models/hand.jpg'

提示词格式

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

✨ 主要特性

• 多种量化类型：提供了丰富的量化类型供选择，如Q8_0、Q6_K、Q5_K_L等，满足不同的质量和性能需求。
• 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性能。
• 性能优化：通过合理选择量化类型和配置，可在不同硬件上实现性能的优化。

📦 安装指南

安装huggingface-cli

首先，确保你已经安装了huggingface-cli：

pip install -U "huggingface_hub[cli]"

下载指定文件

你可以指定要下载的特定文件，例如：

huggingface-cli download bartowski/QVQ-72B-Preview-GGUF --include "QVQ-72B-Preview-Q4_K_M.gguf" --local-dir ./

下载拆分文件

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

huggingface-cli download bartowski/QVQ-72B-Preview-GGUF --include "QVQ-72B-Preview-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如QVQ-72B-Preview-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

使用llama-qwen2vl-cli工具运行模型的基本命令如下：

./llama-qwen2vl-cli -m /models/QVQ-72B-Preview-Q4_K_M.gguf \
  --mmproj /models/mmproj-QVQ-72B-Preview-f16.gguf \
  -p 'How many fingers does this hand have.' \
  --image '/models/hand.jpg'

📚 详细文档

模型文件下载

你可以从以下链接下载不同量化类型的模型文件：

嵌入/输出权重

部分量化类型（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，而不是通常的默认值。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8，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。

现在，有了所谓的“在线重打包”权重。详情见此PR。如果你使用Q4_0，并且你的硬件可以从权重重打包中受益，它将自动实时进行。

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，如果你想获得稍好的质量，可以使用IQ4_NL，感谢此PR，它也会为ARM重打包权重，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。

如何选择模型文件

🔧 技术细节

使用llama.cpp发布版本b4381进行量化。原始模型：Qwen/QVQ-72B-Preview。所有量化均使用imatrix选项，数据集来自此处。

📄 许可证

本项目采用Qwen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/输出实验方面的启发。

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