Beta
Explore
Marketplace
Neural Labs
Chat
Wallet
Docs
Yi-6B-200K-AWQ – AI Model by ECj | AlphaNeural AI
You can deploy this model and start earning money today!
ECj
/
Yi-6B-200K-AWQ
like
0
transformers
safetensors
llama
text-generation
zh
other
autotrain_compatible
text-generation-inference
endpoints_compatible
4-bit
awq
us
Views
No views yet
Model card
Files and Versions
Community
API
Deploy
这个模型是01-ai/Yi-6B-200K经过AutoGPTQ/AutoAWQ量化后保存的模型，与TheBloke/Yi-6B-200K-GPTQ的不同在于仅在于量化时使用的数据。
量化时使用的数据为（仅为量化时使用的数据，不代表训练数据）：
70% 中文
30% wikimedia/wikipedia 20231101.zh （维基百科数据集—>中文子集）
10% wikimedia/wikipedia 20231101.zh-classical （维基百科数据集—>文言文子集）
10% wikimedia/wikipedia 20231101.zh-yue （维基百科数据集—>粤语子集）
10% wikimedia/wikipedia 20231101.zh-min-nan （维基百科数据集—>闽南语子集）
10% OSCAR unshuffled_deduplicated_zh （OSCAR—>中文去重子集）
30% 英文
20% wikimedia/wikipedia 20231101.en （维基百科数据集—>英文子集）
10% OSCAR unshuffled_deduplicated_en （OSCAR—>英文去重子集）
目的是为了更好的映射Yi-6B-200K训练时使用的数据，达到更好的量化效果。
这里提供了共四个量化后的模型权重（下面按量化后的性能排序）：
AutoGPTQ-8bit-32gs
使用GPTQ方式进行8bit量化，拥有最高的生成质量。
AutoAWQ-4bit-32gs
使用AWQ方式进行4bit量化，比GPTQ-4bit生成质量优秀，但兼容性不如GPTQ
AutoGPTQ-4bit-32gs
使用GPTQ方式进行4bit量化，使用了Group size 32，比默认设置量化的效果更优秀。
AutoGPTQ-4bit-128gs
使用GPTQ方式进行4bit量化，使用了AutoGPTQ的默认设置。
