模型介绍
中文整理Rombos-LLM-V2.5-Qwen-32B-GPTQ-Int4-量化修复
HF原始模型 rombodawg/Rombos-LLM-V2.5-Qwen-32b
【留给Qwen32B刚需使用者的一个Note】
该模型自Qwen1.5以来,非常容易出现 !!!!!!! 的核心原因在于个别 layers ,例如 layers.4 、 layers.5 和 layers.6 ,中的MLP模块的表征,学成了一个值域范围非常大的张量。其在推理过程中,需要用超过fp16精度来表示。
核心解决办法有三
(1) 将有问题layers回炉,用某种方式重新炼一下(我不太清楚有什么温和的处理手段,欢迎留言投稿献计)。
(2) 用可以支持TF16部署格式的格式进行部署。
(3) 对相关节点做峰值裁减处理
经过测试,也可以无脑对所有MLP节点进行裁减,具体操作如下:
找到vllm中的qwen2模型定义文件 vllm/model executor/models/qwen2.py
定位到 Qwen2DecoderLayer 的 forward 的尾部,或 line:220~221 , 插入一行峰值裁减,如下
这样就完成了一个对mlp节点进行正负3000的浮点峰值裁减的操作。
之后,就可以愉快的体验了,祝好。
【模型更新日期】
注:通过 snapshot download 函数传入 revision=... 来下载指定的 tag 版本
【模型列表】
tag 文件大小 最近更新时间
- --------- -------- --------------
g128v2 19GB 2024-10-31
g128 19GB 2024-10-25
g32 20GB 2024-10-25
【修复内容】
- 对GPTQ量化的校准做了额外优化;减少模型的 1.乱吐字 、 2.无限循环 、 3.长文能力丢失 等情况。
- 有些推理框架的默认 top k 与 top p 较大,可以考虑减小对应数值,来获得更合理的模型输出。
- 根据模型实际情况,可以支持1卡、2卡及4卡的 tensor-parallel-size 启动。
【介绍】
Rombos-LLM-V2.5-Qwen-32b is a continues finetuned version of Qwen2.5-32B. I noticed recently that the Qwen team did not learn from my methods of continuous finetuning, the great benefits, and no downsides of it. So I took it upon myself to merge the instruct model with the base model myself using the *Ties* merge method
This version of the model shows higher performance than the original instruct and base models.
【模型下载】
【高并发RESTFul API推理】
方式1:vllm
方式2:sglang
优先采用原作者提供的中文模型卡片;仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件;指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖,请按作者说明配齐。
完整仓库可能包含多个权重格式,因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖,以原作者说明为准。
是否允许商用、修改和分发,请查看模型许可证。
闲社提供资料与镜像下载方法,不代表已运行模型或完成安全审计。下载的代码应先检查,再执行。
资料或下载有问题?
登录后可提交反馈。
