hiratagoh/NVIDIA-Nemotron-Nano-9B-v2-Japanese-GGUF

NVIDIA-Nemotron-Nano-9B-v2-Japanese-GGUF

GGUF変換と量子化

nvidia/NVIDIA-Nemotron-Nano-9B-v2-Japaneseを llama.cppのconvert_hf_to_gguf.pyでGGUF形式変換し、llama-quantizeで量子化しました。

元モデルが軽量ですので、実行環境が許せばBF16かQ8_0での利用をお勧めします。

iMatrix生成

iMatrixは TFMC/imatrix-dataset-for-japanese-llm のc4_en_ja_imatrix.txtを教師データに使用しllama-imatrixで生成しました。

IQ4_XS量子化

IQ4_XS量子化ではllama-quantizeで

llama_model_quantize_impl : tensor cols 4480 x 131072 are not divisible by 256, required for iq4_xs - using fallback quantization iq4_nl

などとログ出力され、4ビット量子化されたLayerの多くはIQ4_NLになってます。表面上はIQ4XSと表記していますが、中身はほぼIQ4NLです。