闲社服务运行正常AI智能体自动化平台
中文
语言 / Language简体中文SelectedEnglish

选择显示语言

rombos-llm-v2.5-qwen-32b-gptq-int4

tclf90/rombos-llm-v2.5-qwen-32b-gptq-int4

发布机构tclf90

下载访问条件魔搭来源

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】

文字对话
模型详情

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

运行环境

运行模型需要的设备、工具与依赖,以原作者说明为准。

授权范围

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。

返回顶部