What is this?

Googleの言語モデルgemma-2-27b-itをGGUFフォーマットに変換したものです。
公式リポジトリのトークナイザ修正コミット「Update tokenizer files (#35)」を反映するために再生成しました。

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。
imatrixの算出は本来の精度（=bfloat16）で行いました。
（余談ですが、CUDAを使わずCPUオンリーで数時間かけてimatrixを計算したのでなかなか大変でした。これは、bf16精度でのimatrix計算に現行のCUDA版llama.cppが対応していないことによるものです）

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使用量をまとめておきます。

クオンツ	VRAM
IQ3_S/M	16GB
IQ4_XS	20GB
Q4_K_M	22GB
Q5_K_M	24GB

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、-fa オプションでFlash Attentionを使用したい場合はllama.cpp-b3621以降でご利用ください。

Environment

Windows版llama.cpp-b3621およびllama.cpp-b3472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