(Модель сохраняется в формате Mistral, но вам следует использовать альпаку.) Некоторые из этих квантов (Q3KXL, Q4KL и т. д.) представляют собой стандартный метод квантования с встраиваниями 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 (Beepo-22B-Q8_0), либо загрузить их все на месте (./). Они НЕ предназначены для разгрузки Metal (Apple) или графического процессора (nvidia/AMD/intel), только чипов ARM (и некоторых процессоров AVX2/AVX512). Если вы используете чип ARM, кванты Q40XX будут иметь существенное ускорение. Ознакомьтесь со сравнением скорости Q4044 в исходном запросе на извлечение. Чтобы проверить, какой из них лучше всего подойдет для вашего чипа ARM, вы можете проверить функции AArch64 SoC (спасибо EloyOn!). Если вы используете процессор с поддержкой AVX2 или AVX512 (обычно это серверные процессоры и новейшие процессоры AMD Zen5) и не выполняете разгрузку на графический процессор, Q408_8 также может предложить хорошую скорость: Q408_8 предлагает хороший прирост скорости обработки и небольшой прирост в генерации текста. Отличная статья с диаграммами, показывающими различные производительности, предоставлена Artefact2 здесь. Первое…
Модальности:
Генерация текста
Задача: Генерация текста
Автор: bartowski
Теги: gguf, en
Лайков: 13 | Загрузок: 500
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
