Чат По сравнению с GPTQ он обеспечивает более быстрое выполнение инференса на основе Transformer с эквивалентным или более высоким качеством по сравнению с наиболее часто используемыми настройками GPTQ. — Text Generation Webui — с использованием загрузчика: AutoAWQ — vLLM — только модели Llama и Mistral — Hugging Face Text Generation Inference (TGI) — AutoAWQ — для использования из кода Python моделей AWQ для вывода на GPU. Модели GPTQ для инференса на GPU с несколькими вариантами параметров квантования. 2-, 3-, 4-, 5-, 6- и 8-битные модели GGUF для вывода на CPU и GPU Оригинальная неквантованная fp16-модель M42 Health в формате PyTorch для вывода на GPU и дальнейших преобразований Создатель исходной модели указал ее лицензию как «другая», поэтому для этой квантизации была использована та же лицензия. Поскольку эта модель основана на Llama 2,…
Модальности:
Генерация текста
Задача: Генерация текста
Автор: TheBloke
Теги: llama, m42, health, healthcare, clinical-llm, en, text-generation-inference, 4-bit
Лайков: 2 | Загрузок: 20
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.