What is this?
Googleの言語モデルgemma-2-9b-itのSPPO改良版Gemma-2-9B-It-SPPO-Iter3をGGUFフォーマットに変換したものです。
また、一連の作業前にllama.cppのトークナイザテスト機能(#8248)にて動作の正確性の確認を行いました。
テスト内容
python convert_hf_to_gguf_update.py <hf_token>
python convert_hf_to_gguf.py models/tokenizers/gemma-2/ --outfile models/ggml-vocab-gemma-2.gguf --vocab-only
test-tokenizer-0 models/ggml-vocab-gemma-2.gguf
imatrix dataset
日本語能力を重視し、日本語が多量に含まれるTFMC/imatrix-dataset-for-japanese-llmデータセットを使用しました。
なお、imatrixの算出においてはf32精度のモデルを使用しました。これは、本来の数値精度であるbf16でのimatrix計算に現行のCUDA版llama.cppが対応していないためです。
Chat template
<start_of_turn>user
ここにpromptを書きます<end_of_turn>
<start_of_turn>model
Quants
各クオンツと必要と想定されるVRAM容量をまとめておきます。
クオンツ | VRAM |
---|---|
IQ4_XS | 10GB |
Q4_K_M | 11GB |
Q5_K_M | 11GB |
Q6_K | 12GB |
Q8_0 | 14GB |
bf16 | 22GB |
Note
llama.cpp-b3389以降と合わせてご利用ください。
なお、このモデル特有の処理であるAttention logit soft-cappingが存在するため、現状では-fa
オプションによるFlash Attentionの使用はできません。
Environment
Windows版llama.cpp-b3389および同時リリースのconvert_hf_to_gguf.pyを使用して量子化作業を実施しました。
License
gemma license
Developer
Google & UCLA-AGI
- Downloads last month
- 97