Novishare.Site

外观

模型格式转换

约 917 字大约 3 分钟

2025-04-03

教程整理自csdn文章 将 HuggingFace 模型转换为 GGUF 及使用 ollama 运行 —— 以 Qwen2-0.5B 为例 和 github的Discussions 教程：如何将 HuggingFace 模型转换为 GGUF 格式

目的和介绍

借助llama.cpp将safetensors格式转gguf

什么是GGUF

GGUF 全称为 GPT-Generated Unified Format ，是一种专为大语言模型设计的二进制文件格式，旨在实现模型的快速加载和保存，同时易于读取。

为什么要转换为GGUF格式

GGUF具有很多优势，包括：

  • 单文件部署：模型可以轻松分发和加载，不需要任何外部文件来提供额外信息
  • 可拓展性：可以在不破坏与现有模型的兼容性的情况下，向基于GGML的执行器添加新功能或向GGUF模型添加新信息。
  • mmap兼容性：可以使用mmap加载模型，以实现快速加载和保存。
  • 易于使用：可以使用少量代码轻松加载和保存模型，无论使用何种语言，无需外部库。
  • 完整信息：加载模型所需的所有信息都包含在模型文件中，用户无需提供任何额外信息。

模型转换步骤

配置转换环境

  • 克隆llama.cpp仓库
git clone https://github.com/ggerganov/llama.cpp.git
  • 建议使用python虚拟环境，创建新的环境并安装所需依赖库
# conda环境配置
conda create --name llama.cpp python=3.10
conda activate llama.cpp
pip install -r llama.cpp/requirements.txt

执行格式转换

  • 使用llama.cpp仓库的convert_hf_to_gguf.py脚本转换
格式
python llama.cpp/convert_hf_to_gguf.py {路径} --outtype {type} --outfile {filepath/filename}

注

--outtype 是输出类型，代表含义：

outtypemeaning
q2_k特定张量（Tensor）采用较高的精度设置，其他的则保持基础级别
q3_k_l, q3_k_m, q3_k_s在不同张量上使用不同级别的精度，从而达到性能和效率的平衡
q4_0最初的量化方案，使用 4 位精度
q4_1, q4_k_m, q4_k_s提供不同程度的准确性和推理速度，适合需要平衡资源使用的场景
q5_0, q5_1, q5_k_m, q5_k_s保证更高准确度的同时，使用更多的资源且推理速度较慢
q6_k, q8_0提供最高的精度，但性能需求大时间消耗多
fp16, f32不量化，保留原始精度

运行GGUF格式模型

ollama

高度简化AI模型的本地部署与运行

  • 安装ollama
curl -fsSL https://ollama.com/install.sh | sh
  • 启动ollama
ollama serve
  • 创建模型参数文件 创建名为"ModelFile"的meta文件，写入内容：
FROM /mnt/workspace/qwen2-0.5b-instruct-q8_0.gguf

# set the temperature to 0.7 [higher is more creative, lower is more coherent]
PARAMETER temperature 0.7
PARAMETER top_p 0.8
PARAMETER repeat_penalty 1.05
TEMPLATE """{{ if .System }}<|im_start|>system
{{ .System }}<|im_end|>
{{ end }}{{ if .Prompt }}<|im_start|>user
{{ .Prompt }}<|im_end|>
{{ end }}<|im_start|>assistant
{{ .Response }}<|im_end|>"""
# set the system message
SYSTEM """
You are a helpful assistant.
"""
  • 创建自定义模型
ollama create qwen2_0.5b_instruct --file ./ModelFile
  • 运行模型
ollama run qwen2_0.5b_instruct

llama.cpp

PocketPal

GGUF模型推送至HuggingFace

  • 创建名为 upload.py 的Python脚本，写入如下内容
from huggingface_hub import HfApi
api = HfApi()

model_id = "Noviceey/qwen2.5-1.5b-instruct_q8_0"
api.create_repo(model_id, exist_ok=True, repo_type="model")
api.upload_file(
    path_or_fileobj="models/qwen2.5-1.5b-instruct_q8_0.gguf",
    path_in_repo="qwen2.5-1.5b-instruct_q8_0.gguf",
    repo_id=model_id,
)
  • 从这里获取具有写入权限的HuggingFace Token
  • 设置Huggingface token
export HUGGING_FACE_HUB_TOKEN=<paste-your-own-token>
  • 运行 upload.py 脚本
python upload.py

编译llama.cpp

  • 进入llama.cpp文件夹，进行编译

注

目前官网更推荐使用cmake对程序进行编译
For more details, see build.md

cd llama.cpp
cmake -B build
cmake --build build --config Release