Оригинальная модель: https://huggingface.co/nbeerbower/Gemma2-Gutenberg-Doppel-9B Некоторые из этих квантов (Q3KXL, Q4KL и т. д.) являются стандартным методом квантования с вложениями и выходными весами, квантованными в Q8_0 вместо того, что они обычно используют по умолчанию. Одни говорят, что это улучшает качество, другие не замечают никакой разницы. Если вы используете эти модели, ПОЖАЛУЙСТА, прокомментируйте свои выводы. Я хотел бы получить обратную связь о том, что они действительно используются и полезны, поэтому я не продолжаю загружать кванты, которые никто не использует. Если размер модели превышает 50 ГБ, она будет разделена на несколько файлов. Чтобы загрузить их все в локальную папку, выполните команду: Вы можете указать новый local-dir (Gemma2-Gutenberg-Doppel-9B-Q8_0) или загрузить их все на месте (./) Если вы используете чип ARM, кванты Q40XX будут иметь существенное ускорение. Проверьте сравнение скорости Q4044 в исходном запросе на вытягивание. Чтобы узнать, какой из них лучше всего подойдет для вашего чипа ARM, вы можете проверить функции SoC AArch64 (спасибо EloyOn!). Здесь Artefact2 предоставляет отличное описание с диаграммами, показывающими различные показатели. Первое, что нужно выяснить, — насколько велика модель, которую вы можете запустить. Для этого вам нужно будет выяснить, сколько оперативной памяти…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: bartowski
Теги: gguf, endpoints_compatible, conversational
Лайков: 4 | Загрузок: 3,305
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
