|
--- |
|
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。<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> |
|
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 |
|
``` |
|
<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| |
|
|---|---| |
|
|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。**<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-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 |
