README.md

---
license: gemma
---
# What is this?
Googleの言語モデル[gemma-2-27b-it](https://huggingface.co./google/gemma-2-27b-it)をGGUFフォーマットに変換したものです。<br>
公式リポジトリのトークナイザ修正コミット「[Update tokenizer files (#35)](https://huggingface.co./google/gemma-2-27b-it/commit/f6c533e5eb013c7e31fc74ef042ac4f3fb5cf40b)」を反映するために再生成しました。

# 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](https://huggingface.co./datasets/TFMC/imatrix-dataset-for-japanese-llm)データセットを使用しました。<br>
imatrixの算出は本来の精度（=bfloat16）で行いました。<br>
（余談ですが、CUDAを使わずCPUオンリーで数時間かけてimatrixを計算したのでなかなか大変でした。これは、bf16精度でのimatrix計算に現行のCUDA版llama.cppが対応していないことによるものです）

# 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使用量をまとめておきます。
|クオンツ|VRAM|
|---|---|
|IQ3_S/M|16GB|
|IQ4_XS|20GB|
|Q4_K_M|22GB|
|Q5_K_M|24GB|

# Note
**llama.cpp-b3389以降と合わせてご利用ください。**<br>
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、``-fa`` オプションでFlash Attentionを使用したい場合は**llama.cpp-b3621以降でご利用ください。**

# Environment
Windows版llama.cpp-b3621およびllama.cpp-b3472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
Google