Update README.md

README.md

@@ -2,11 +2,20 @@
 license: gemma
 ---
 # What is this?
-Googleの言語モデル[gemma-2-27b-it](https://huggingface.co/google/gemma-2-27b-it)をGGUFフォーマットに変換したものです。
+Googleの言語モデル[gemma-2-27b-it](https://huggingface.co/google/gemma-2-27b-it)をGGUFフォーマットに変換したものです。<br>
+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、謎のエラー「GGML_ASSERT: D:\a\llama.cpp\llama.cpp\ggml\src\ggml-cuda.cu:1257: to_fp32_cuda != nullptr」を回避するため、imatrixの算出においてはf16精度のモデルを使用しました。
+imatrixの算出は本来の精度（=bfloat16）で行いました。<br>
+（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
 ```
@@ -15,13 +24,22 @@ Googleの言語モデル[gemma-2-27b-it](https://huggingface.co/google/gemma-2-2
 <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|
+|---|---|
+|IQ4_XS|20GB|
+|Q4_K_M|22GB|
+|Q5_K_M|24GB|
+
 # Note
-**llama.cpp-b3266以降でのみご利用が可能です。**<br>
-モデル本来のコンテキスト長は8192ですが、現状のGGUF版gemma-2は4096以上のトークンを扱えないようです。これは、llama.cppがSliding Window Attention（＝前4096トークンのみに注意を向ける）を取り扱えず、Global Attentionとみなされて計算が行われてしまうためです。<br>
-また、このモデル特有の処理であるAttention logit cappingが存在するため、Flash Attentionの使用もできません。
+**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。<br>
+GGUF版gemma-2が4096以上のトークンを扱えない問題は、llama.cppのSliding Window Attention対応アップデート([#8227](https://github.com/ggerganov/llama.cpp/pull/8227))によって解決されました。
 
 # Environment
-Windows版llama.cpp-b3266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。
+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