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
- Downloads last month
- 355