|
--- |
|
license: cc-by-nc-sa-4.0 |
|
language: |
|
- ja |
|
- zh |
|
pipeline_tag: text-generation |
|
--- |
|
|
|
## SakuraLLM去量化模型 |
|
|
|
### 为什么要去量化？ |
|
llama.cpp在某些设备上受支持情况不佳，推理速度受限，我们可能希望使用pytorch进行推理，于是使用transformers库对GGUF模型进行去量化操作。 |
|
|
|
### 原始模型是啥 |
|
|
|
[https://huggingface.co/SakuraLLM/Sakura-32B-Qwen2beta-v0.9-GGUF](SakuraLLM/Sakura-32B-Qwen2beta-v0.9-GGUF)仓库中的Q4_K_M模型 |
|
|
|
### 我想自己去量化 |
|
|
|
Transformers现已支持QWEN模型去量化，但是仍有一个重要的修改没有合并至主线。请查阅这个pull request了解详情 |
|
|
|
```https://github.com/huggingface/transformers/pull/32551``` |
|
|
|
对于其他模型，量化版本的支持，请参考这个pull request，未来可能支持大部分GGUF模型去量化 |
|
|
|
```https://github.com/huggingface/transformers/pull/32625``` |
|
|
|
### 好用吗？ |
|
|
|
使用Q4_K_M模型去量化，模型精度肯定不如F16模型，对于推理产生的结果未进行测试。 |
|
|
|
### 其他问题 |
|
|
|
去量化后发现tokenizer的词表发生变化，不知道是否会对使用产生影响，你可以使用QWEN1.5模型中的词表替换这部分数据。 |
