README.md

---
license: gemma
---
# What is this?
Googleの言語モデル[gemma-2-9b-it](https://huggingface.co/google/gemma-2-9b-it)のSPPO改良版[Gemma-2-9B-It-SPPO-Iter3](https://huggingface.co/UCLA-AGI/Gemma-2-9B-It-SPPO-Iter3)をGGUFフォーマットに変換したものです。<br>
また、一連の作業前にllama.cppのトークナイザテスト機能([#8248](https://github.com/ggerganov/llama.cpp/pull/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](https://huggingface.co/datasets/TFMC/imatrix-dataset-for-japanese-llm)データセットを使用しました。<br>
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。**<br>
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