Исходная модель: THUDM/glm-4-9b-chat Исходный тип dtype: BF16 (bfloat16) Квантизация: https://github.com/ggerganov/llama.cpp/pull/6999 Набор данных IMatrix: здесь — Файлы — Общие кванты — Все кванты — Загрузка с помощью Huggingface-cli — Вывод — Простой шаблон чата — Шаблон чата с системным приглашением — Llama.cpp — Часто задаваемые вопросы — Почему IMatrix не везде применяется? — 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: glm-4-9b-chat.Q80) 3. Запустите gguf-split —merge glm-4-9b-chat.Q80/glm-4-9b-chat.Q80-00001-of-XXXXX.gguf glm-4-9b-chat.Q80.gguf — Обязательно укажите gguf-split на…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: legraphista
Теги: gguf, glm, chatglm, thudm, quantized, GGUF, quantization, static
Лайков: 22 | Загрузок: 11,785
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
