|
--- |
|
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。 |
|
|
|
# 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。 |
|
|
|
# Chat template |
|
``` |
|
<start_of_turn>user |
|
ここにpromptを書きます<end_of_turn> |
|
<start_of_turn>model |
|
|
|
``` |
|
# 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。 |
|
|
|
# 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。 |
|
|
|
# License |
|
gemma license |
|
|
|
# Developer |
|
Google |
