How to use from
llama.cppInstall from WinGet (Windows)
winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf grapevine-AI/gemma-2-9b-it-gguf:# Run inference directly in the terminal:
llama cli -hf grapevine-AI/gemma-2-9b-it-gguf:Use pre-built binary
# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf grapevine-AI/gemma-2-9b-it-gguf:# Run inference directly in the terminal:
./llama-cli -hf grapevine-AI/gemma-2-9b-it-gguf:Build from source code
git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf grapevine-AI/gemma-2-9b-it-gguf:# Run inference directly in the terminal:
./build/bin/llama-cli -hf grapevine-AI/gemma-2-9b-it-gguf:Use Docker
docker model run hf.co/grapevine-AI/gemma-2-9b-it-gguf:Quick Links
What is this?
Googleの言語モデルgemma-2-9b-itをGGUFフォーマットに変換したものです。
また、一連の作業前にllama.cppのトークナイザテスト機能(#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データセットを使用しました。
なお、imatrixの算出においてはf32精度のモデルを使用しました。これは、本来の数値精度であるbf16でのimatrix計算に現行のCUDA版llama.cppが対応していないためです。
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容量をまとめておきます。
| クオンツ | VRAM |
|---|---|
| IQ4_XS | 10GB |
| Q4_K_M | 11GB |
| Q5_K_M | 11GB |
| Q6_K | 12GB |
| Q8_0 | 14GB |
| bf16 | 22GB |
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、現状では-fa オプションによるFlash Attentionの使用はできません。
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
- Downloads last month
- 5
Hardware compatibility
Log In to add your hardware
4-bit
5-bit
6-bit
8-bit
16-bit
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support
Install (macOS, Linux)
# Start a local OpenAI-compatible server with a web UI: llama serve -hf grapevine-AI/gemma-2-9b-it-gguf:# Run inference directly in the terminal: llama cli -hf grapevine-AI/gemma-2-9b-it-gguf: