🚀 ddh0的Cassiopeia-70B的Llamacpp imatrix量化版本

本项目是对ddh0/Cassiopeia-70B模型进行量化处理后的成果。借助量化技术，能够在减少模型存储空间的同时，提升推理速度，从而更高效地利用计算资源。

🚀 快速开始

运行环境

你可以在以下环境中运行这些量化模型：

• LM Studio：一款便捷的本地模型运行工具，可在此处下载使用。
• llama.cpp：基于llama.cpp项目，可直接运行模型，项目地址为https://github.com/ggerganov/llama.cpp ，也可使用其他基于llama.cpp的项目。

提示格式

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

Cutting Knowledge Date: December 2023
Today Date: 26 Jul 2024

{system_prompt}<|eot_id|><|start_header_id|>user<|end_header_id|>

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

✨ 主要特性

• 多量化类型支持：提供了丰富的量化类型供选择，如Q8_0、Q6_K、Q5_K_M等，满足不同场景下对模型质量和文件大小的需求。
• 在线重打包功能：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，如Q4_0。
• I-quant和K-quant可选：用户可根据自身需求选择不同的量化格式，K-quant适用于一般场景，I-quant在特定条件下性能更优。

📦 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，根据需求下载特定文件：

• 下载单个文件：

huggingface-cli download bartowski/ddh0_Cassiopeia-70B-GGUF --include "ddh0_Cassiopeia-70B-Q4_K_M.gguf" --local-dir ./

• 下载大于50GB的分割模型文件：

huggingface-cli download bartowski/ddh0_Cassiopeia-70B-GGUF --include "ddh0_Cassiopeia-70B-Q8_0/*" --local-dir ./

你可以指定新的本地目录，也可以将文件下载到当前目录。

💻 使用示例

下载文件

根据自身需求从以下列表中选择合适的文件进行下载：

📚 详细文档

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，而非默认值。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8，这些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，并且你的硬件可以从重新打包权重中受益，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。

如何选择文件

🔧 技术细节

量化方法

使用llama.cpp的b5934版本进行量化，所有量化均使用imatrix选项，并使用来自此处的数据集。

在线重打包

对于支持在线重打包的量化类型（如Q4_0），当硬件需要时，会自动对权重进行重新打包，以优化性能。相关详细信息可参考此PR。

📄 许可证

文档中未提及相关许可证信息。

致谢

感谢kalomaze和Dampf协助创建imatrix校准数据集。 感谢ZeroWw提供关于嵌入/输出实验的灵感。 感谢LM Studio对本项目的赞助。

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