Исходная модель: https://huggingface.co/nvidia/Nemotron-Cascade-2-30B-A3B — llama.cpp — LM Studio — koboldcpp — Jan AI — Веб-интерфейс создания текста — LoLLMs Некоторые из этих квантов (Q3KXL, Q4KL и т. д.) являются стандартным методом квантования с встраиванием и выходными весами, квантованными до Q8_0 вместо того, что обычно используется по умолчанию. Если модель больше 50 ГБ, она будет разделена на несколько файлов. Чтобы загрузить их все в локальную папку, запустите: Вы можете либо указать новый локальный каталог (nvidiaNemotron-Cascade-2-30B-A3B-Q80), либо загрузить их все на месте (./). Раньше вы загружали Q4044/48/8_8, и их веса чередовались в памяти, чтобы повысить производительность на машинах ARM и AVX за счет загрузки большего количества данных за один проход. Однако сейчас существует так называемая «онлайн-переупаковка» весов. подробности в этом PR. Если вы используете Q4_0 и ваше оборудование выиграет от переупаковки весов, оно сделает это автоматически на лету. Начиная с сборки llama.cpp b4282, вы не сможете запускать файлы Q40XX, и вместо этого вам придется использовать Q40. Кроме того, если вы хотите получить немного лучшее качество для , вы можете использовать IQ4NL благодаря этому PR, который также…
Модальности:
Генерация текста
Области применения:
Логика и рассуждение Диалог / чат
Задача: Генерация текста
Автор: bartowski
Теги: gguf, nvidia, nemotron-cascade-2, reasoning, general-purpose, SFT, RL, en
Лайков: 30 | Загрузок: 28,147
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
