Теперь, когда вышла официальная версия, поддерживающая Llama 3, она будет помечена как «-old», и новые кванты будут созданы без изменений в конфигурации. Если вы обновились до версии b6710 llama.cpp, вам следует использовать новую версию этих квантов здесь: https://huggingface.co/bartowski/Meta-Llama-3-8B-Instruct-GGUF Для этой модели токен установлен на not-special, и это, похоже, работает. лучше с текущими механизмами вывода. Использование вилки llama.cpp из pcuenca llama3-conversion для квантования. Исходная модель: https://huggingface.co/meta-llama/Meta-Llama-3-8B-Instruct Все количественные расчеты сделаны с использованием опции imatrix с набором данных, предоставленным Kalomaze здесь. Отличная статья с диаграммами, показывающими различные характеристики, предоставлена Artefact2 здесь. Первое, что нужно выяснить, это насколько большую модель вы можете запустить. Для этого вам нужно выяснить, сколько у вас оперативной и/или видеопамяти. Если вы хотите, чтобы ваша модель работала как можно БЫСТРО, вам нужно поместить все это в видеопамять вашего графического процессора. Стремитесь к квантованию с размером файла на 1–2 ГБ меньше, чем общий объем видеопамяти вашего графического процессора. Если вам нужно абсолютно максимальное качество, сложите вместе оперативную память вашей системы и видеопамять вашего графического процессора, а затем аналогичным образом возьмите квант с размером файла 1–2 ГБ…
Модальности:
Генерация текста
Области применения:
Диалог / чат Следование инструкциям
Задача: Генерация текста
Автор: bartowski
Теги: gguf, facebook, meta, llama, llama-3, en, endpoints_compatible, conversational
Лайков: 15 | Загрузок: 110
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
