Чат AWQ — это эффективный, точный и невероятно быстрый метод квантования с низким битовым весом, который в настоящее время поддерживает 4-разрядное квантование. По сравнению с GPTQ, он предлагает более быстрый вывод на основе трансформаторов с эквивалентным или лучшим качеством по сравнению с наиболее часто используемыми настройками GPTQ. — Text Generation Webui — использование Loader: AutoAWQ — vLLM — только модели Llama и Mistral — Hugging Face Text Generation Inference (TGI) — Transformers версии 4.35.0 и выше, из любого кода или клиента, который поддерживает Transformers — AutoAWQ — для использования с моделью(моделями) кода Python AWQ для вывода графического процессора. Модели GPTQ для вывода GPU с несколькими параметрами квантования. 2, 3, 4, 5, 6 и 8-битные модели GGUF для CPU GPU inference brucethemoose’s original unquantized fp16 model in pytorch…
Модальности:
Генерация текста
Задача: Генерация текста
Автор: TheBloke
Теги: llama, en, text-generation-inference, 4-bit, awq
Лайков: 3 | Загрузок: 11
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
