Project Icon

Open_Gpt4_8x7B_v0.2-GGUF

提供多格式兼容量化模型,提升推理效率

此项目提供GGUF格式的多精度量化模型文件,旨在优化CPU和GPU的推理效率。作为GGML的替代,GGUF与多种第三方UI和库兼容,支持多平台AI模型的高效运行。项目包含2至8位量化模型以满足不同精度与内存要求,适合多种场景需求。通过详细的下载指导,用户能快速找到适合的模型文件,并利用llama.cpp、text-generation-webui等高性能运行时实现模型在不同硬件上的高效推理。

Llama-3-8B-Instruct-GPTQ-4-Bit - 利用GPTQ量化优化模型性能的新方法
Apache AirflowGPTQGithubHuggingfaceMeta-Llama-3-8B-Instruct开源项目数据协调模型量化
Astronomer的4比特量化模型通过GPTQ技术减少VRAM占用至不足6GB,比原始模型节省近10GB。此优化提高了延迟和吞吐量,即便在较便宜的Nvidia T4、K80或RTX 4070 GPU上也能实现高效性能。量化过程基于AutoGPTQ,并按照最佳实践进行,使用wikitext数据集以减小精度损失。此外,针对vLLM和oobabooga平台提供详细配置指南,以有效解决加载问题。
ehartford-WizardLM-Uncensored-Falcon-40b-gguf - 探讨Falcon模型的量化技术与兼容性提升
GithubHuggingfaceK-量化WizardLM-Uncensored-Falcon-40bgguf格式开源项目模型量化变量
本项目探讨了如何通过结合传统与现代量化技术提升Falcon 7B模型的性能与效率。虽然Falcon 40b模型已完全支持K-Quantisation,该方法还通过回退机制扩大以前不兼容模型层的支持范围。这样用户可以在文件大小不变的情况下提高输出质量或在更小的文件下保持性能。项目还讨论了gguf文件格式的应用,介绍了当前支持该格式的软件和多种量化文件选项。
Codestral-22B-v0.1-IMat-GGUF - Codestral-22B-v0.1量化模型及IMatrix文件下载指南
Codestral-22B-v0.1GithubHuggingfaceIMatrix下载步骤代码生成开源项目模型量化
Codestral-22B-v0.1项目提供了多种量化版本,包括Q8_0、Q6_K、Q4_K等,并支持IMatrix数据集的应用。用户可通过huggingface-cli下载这些文件,对于较大的文件,可使用gguf-split工具进行合并。更新版本修复了FIM标记缺失,并通过部分量化方法提升性能。项目涵盖的量化文件类型多样且灵活,满足不同的应用需求。
rwkv.cpp - 多精度量化推理和CPU优化的大语言模型
GithubPythonRWKVcuBLASggmlhipBLAS开源项目
该项目将RWKV-LM移植到ggerganov的ggml,支持FP32、FP16及量化的INT4、INT5和INT8推理,主要针对CPU使用,同时兼容cuBLAS。项目提供C库和Python封装。RWKV是一种不同于Transformer的大语言模型架构,只需前一步状态计算logits,适合长上下文使用。支持RWKV v5和v6模型以及LoRA检查点加载,适用于高质量和高性能需求的场景。
Gemma-2b-it-GGUF - 多样化选择的Gemma量化模型
GithubGoogleHuggingfaceLlamaEdgegemma-2b-it开源项目模型量化
该项目以多种量化格式提供Gemma模型,从低质量损失的小型号到几乎无质量损失的大型号,满足多样化的应用需求。模型的量化由Second State Inc.负责,旨在优化性能和存储空间,适合多种AI部署环境。选择合适型号可在性能与资源使用间达到平衡。
quantized-models - 提供多源量化模型以提升大语言模型推理效率
GithubHuggingfacequantized-modelstransformers大型语言模型开源项目文本生成推理模型量化模型
quantized-models项目整合了多种来源的量化模型,旨在提高大语言模型的推理效率。模型支持者包括TheBloke、LoneStriker、Meta Llama等,提供gguf、exl2格式的支持。用户可通过transformers库便捷地进行文本生成,这些模型按现状发布,需遵循其各自的许可协议。
Meta-Llama-3.1-8B-Instruct-quantized.w8a8 - 量化优化的多语言文本生成模型
GithubHuggingfaceMeta-Llama-3vLLM多语言开源项目文本生成模型量化
该模型通过INT8量化优化,实现了GPU内存效率和计算吞吐量的提升,支持多语言文本生成,适用于商业和研究中的辅助聊天任务。在多个基准测试中,该模型实现了超越未量化模型的恢复率,尤其在OpenLLM和HumanEval测试中表现突出。使用GPTQ算法进行量化,有效降低了内存和磁盘的占用。可通过vLLM后端快速部署,并支持OpenAI兼容服务。
Meta-Llama-3.1-8B-Instruct-GPTQ-INT4 - Meta-Llama-3.1-8B-Instruct模型的INT4量化版本
GPTQGithubHuggingfaceMeta Llama 3.1大语言模型开源项目推理模型量化
Meta-Llama-3.1-8B-Instruct模型的INT4量化版本,由社区开发。该版本将原FP16模型量化为INT4,支持多语言对话,在行业基准测试中表现优异。模型仅需约4GB显存即可加载,兼容多种推理框架。项目提供详细使用指南和量化复现方法,适用于资源受限环境下的高效部署。
NoromaidxOpenGPT4-2-GGUF-iMatrix - 模型融合提升性能与灵活性
GithubHuggingfaceInstruct模型NoromaidxOpenGPT4开源项目模型模型合并非商业用途高性能
NoromaidxOpenGPT4-2通过合并Noromaid-8x7b-Instruct和Open_Gpt4_8x7B_v0.2模型,提升了性能和灵活性。与早期版本相比,新版本基于Open_Gpt4_8x7B_v0.2,采用TIES合并方法。用户可以下载imatrix文件进行额外量化操作。独特的方法使每个版本都有其特定优势。
Llama-3SOME-8B-v2-GGUF - Llama-3SOME-8B-v2量化模型下载和选择的实用指南
GithubHuggingfaceLlama-3SOME-8B-v2内存需求开源项目模型模型下载量化高品质
该项目通过llama.cpp的imatrix选项实现了Llama-3SOME-8B-v2模型的多种量化版本下载,以适应不同的内存需求。根据系统RAM和GPU的VRAM,用户可以选择最佳量化格式来在性能和质量之间取得平衡。建议使用K量化格式,如Q5_K_M,或在某些情况下选择性能优异的I量化格式,如IQ3_M。项目提供了从低RAM需求到最高质量的多种选择,用户可以根据需求进行灵活选择。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号