🚀 Menlo公司Lucy模型的Llamacpp imatrix量化版本

本项目是对Menlo公司的Lucy模型进行量化处理，借助量化技术，能在保证一定性能的前提下，有效减少模型的存储和计算资源需求，提升模型的运行效率。

🚀 快速开始

运行环境

• 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。

提示格式

由于未指定聊天模板，因此使用默认模板。这可能存在不准确的情况，详细信息请查看原始模型卡片。

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

下载文件

你可以从以下表格中选择需要的文件进行下载：

✨ 主要特性

• 量化工具：使用 llama.cpp 发布版本 b5924 进行量化处理。
• 校准数据集：所有量化操作均使用imatrix选项，并采用了 此处 的校准数据集。
• 在线重新打包：部分量化文件支持在线重新打包，以提升在ARM和AVX机器上的性能。

📦 安装指南

使用huggingface-cli下载

pip install -U "huggingface_hub[cli]"

huggingface-cli download bartowski/Menlo_Lucy-GGUF --include "Menlo_Lucy-Q4_K_M.gguf" --local-dir ./

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

🔧 技术细节

嵌入/输出权重

部分量化文件（如Q3_K_XL、Q4_K_L等）采用了标准量化方法，不过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，以便在ARM和AVX机器上通过一次加载更多数据来提高性能。

然而，现在有了一种名为“在线重新打包”的权重处理方式，详情见 此PR。如果你使用Q4_0文件，并且硬件能从权重重新打包中受益，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文件。

此外，如果你想获得稍好的质量，可以使用IQ4_NL，这得益于 此PR，它也会为ARM重新打包权重，不过目前仅支持4_4格式。加载时间可能会变慢，但总体速度会提高。

📚 详细文档

如何选择合适的文件

📄 许可证

文档中未提及相关许可证信息。

💡 使用建议

• 在选择量化文件时，充分考虑自身设备的硬件资源，包括RAM和VRAM的大小，以确保模型能够高效运行。
• 若对模型质量要求较高，可优先选择嵌入和输出权重量化为Q8_0的文件，如Q3_K_XL、Q4_K_L等。
• 对于追求极致速度的场景，尽量将模型加载到GPU的VRAM中运行。

👏 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/输出实验方面给予的启发。

感谢LM Studio对本工作的赞助。

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