legraphista/DeepSeek-Coder-V2-Lite-Instruct-IMat-GGUF

Иматричное квантование Llama.cpp deepseek-ai/DeepSeek-Coder-V2-Lite-Instruct Исходная модель: deepseek-ai/DeepSeek-Coder-V2-Lite-Instruct Исходный тип dtype: BF16 (bfloat16) Квантование: llama.cpp b3166 Набор данных IMatrix: здесь — Файлы — IMatrix — Общие кванты — Все кванты — Загрузка с помощью Huggingface-cli — Вывод — Простой шаблон чата — Шаблон чата с системной подсказкой — Llama.cpp — Часто задаваемые вопросы — Почему IMatrix не применяется везде? — Как мне объединить разделенный GGUF? —— | ———- | ——— | —— | ———— | ——— | Если файл модели большой, он разделен на несколько файлов. Чтобы загрузить их все в локальную папку, запустите: Согласно этому исследованию, оказывается, что низкие квантования — единственные, которые получают выгоду от входных данных imatrix (согласно результатам hellaswag). 1. Убедитесь, что у вас есть gguf-split. Чтобы получить gguf-split, перейдите по адресу https://github.com/ggerganov/llama.cpp/releases. — Загрузите соответствующий zip-архив для вашей системы из последней версии. — Разархивируйте архив, и вы сможете найти gguf-split. 2. Найдите папку фрагментов GGUF (например: DeepSeek-Coder-V2-Lite-Instruct.Q80). 3. Запустите gguf-split —merge…

Модальности:
Генерация текста

Области применения:
Диалог / чат Генерация кода Следование инструкциям

Задача: Генерация текста
Автор: legraphista
Теги: gguf, quantized, GGUF, quantization, imat, imatrix, static, 16bit
Лайков: 9  |  Загрузок: 3,361

Открыть на HuggingFace →

Описание основано на материалах HuggingFace. Перевод выполнен автоматически.