grapevine-AI
commited on
Commit
•
640fea2
1
Parent(s):
3c352c6
Update README.md
Browse files
README.md
CHANGED
@@ -2,11 +2,20 @@
|
|
2 |
license: gemma
|
3 |
---
|
4 |
# What is this?
|
5 |
-
Googleの言語モデル[gemma-2-27b-it](https://huggingface.co/google/gemma-2-27b-it)をGGUF
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6 |
|
7 |
# imatrix dataset
|
8 |
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>
|
9 |
-
|
|
|
10 |
|
11 |
# Chat template
|
12 |
```
|
@@ -15,13 +24,22 @@ Googleの言語モデル[gemma-2-27b-it](https://huggingface.co/google/gemma-2-2
|
|
15 |
<start_of_turn>model
|
16 |
|
17 |
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
18 |
# Note
|
19 |
-
**llama.cpp-
|
20 |
-
|
21 |
-
|
22 |
|
23 |
# Environment
|
24 |
-
Windows版llama.cpp-
|
25 |
|
26 |
# License
|
27 |
gemma license
|
|
|
2 |
license: gemma
|
3 |
---
|
4 |
# What is this?
|
5 |
+
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>
|
6 |
+
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。
|
7 |
+
|
8 |
+
テスト内容
|
9 |
+
```
|
10 |
+
python convert_hf_to_gguf_update.py <hf_token>
|
11 |
+
python convert_hf_to_gguf.py models/tokenizers/gemma-2/ --outfile models/ggml-vocab-gemma-2.gguf --vocab-only
|
12 |
+
test-tokenizer-0 models/ggml-vocab-gemma-2.gguf
|
13 |
+
```
|
14 |
|
15 |
# imatrix dataset
|
16 |
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>
|
17 |
+
imatrixの算出は本来の精度(=bfloat16)で行いました。<br>
|
18 |
+
(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)
|
19 |
|
20 |
# Chat template
|
21 |
```
|
|
|
24 |
<start_of_turn>model
|
25 |
|
26 |
```
|
27 |
+
|
28 |
+
# Quants
|
29 |
+
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。
|
30 |
+
|クオンツ|VRAM|
|
31 |
+
|---|---|
|
32 |
+
|IQ4_XS|20GB|
|
33 |
+
|Q4_K_M|22GB|
|
34 |
+
|Q5_K_M|24GB|
|
35 |
+
|
36 |
# Note
|
37 |
+
**llama.cpp-b3389以降と合わせてご利用ください。**<br>
|
38 |
+
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>
|
39 |
+
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。
|
40 |
|
41 |
# Environment
|
42 |
+
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。
|
43 |
|
44 |
# License
|
45 |
gemma license
|