Meta Llama 3.1 8B Instruct (Q3_K_S)sur CPU Only
Aperçu
Meta Llama 3.1 8B Instruct est un modèle de langage dense de 8B paramètres par Meta, avec des capacités en code, multilingual, tool-calls. Il prend en charge une fenêtre de contexte allant jusqu’à 131,072 tokens.
Meta Llama 3.1 8B Instruct est un transformeur dense de 8 milliards de parametres de Meta, concu pour le suivi d'instructions, la generation de code et les taches multilingues. Il offre un excellent equilibre entre qualite et efficacite dans la categorie des petits modeles, surpassant de nombreuses alternatives de classe 7B sur les benchmarks standards. Le modele prend en charge le "tool calling" et huit langues dont l'anglais, l'allemand et le francais. Avec une fenetre de contexte de 128K et le support "flash attention", il fonctionne confortablement sur un seul GPU grand public aux niveaux de quantification Q4.
Avec la quantification Q3_K_S (niveau de qualité low), le modèle pèse 3.41 Go. Cela dépasse les 0 Go de VRAM de CPU Only. L'inférence reste possible via le déchargement CPU ou le chargement mappé en mémoire depuis le disque, mais avec des performances considérablement réduites.
Une configuration CPU uniquement sans acceleration GPU. L'inference s'execute entierement sur le CPU, ce qui est nettement plus lent que les configurations avec GPU, mais ne necessite aucun materiel specialise. Les performances et la taille maximale du modele dependent de la RAM disponible. Adaptee aux tests, au developpement ou aux deployments sans GPU disponible.
Configuration matérielle requise
| Taille du modèle | 3.41 GB |
| VRAM disponible | 0 GB |
| VRAM utilisée | 0 GB |
| RAM système | |
| RAM min requise | 3.4 GB |
| Couches GPU | 0 / 32 |
| Taille du contexte | 131 072 |
| Backend | cpu |
| Flash attention | Non |
| Lecture depuis le disque | Oui |
Notes de performance
Déploiement
Commande
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/meta-llama-3-1-8b-instruct/q3_k_s/cpu.yaml) applyFichier values.yaml
/values/meta-llama-3-1-8b-instruct/q3_k_s/cpu.yaml
Chargement des valeurs…Questions fréquemment posées
De combien de VRAM Meta Llama 3.1 8B Instruct (Q3_K_S) a-t-il besoin ?
La quantification Q3_K_S de Meta Llama 3.1 8B Instruct nécessite 3.41 Go. Les 0 Go de VRAM de CPU Only sont insuffisants pour les couches GPU, l'inférence s'exécute donc sur le CPU.
Puis-je exécuter Meta Llama 3.1 8B Instruct sur CPU Only ?
C'est possible mais non recommandé. CPU Only n'a pas assez de VRAM pour accélérer Meta Llama 3.1 8B Instruct (Q3_K_S), l'inférence reposera donc sur le CPU et la RAM système.
Qu'est-ce que la quantification ?
La quantification réduit la précision numérique d'un modèle de son format virgule flottante original vers une représentation plus compacte. Cela réduit la taille du fichier et l'empreinte VRAM, rendant possible l'exécution de grands modèles sur du matériel grand public. Le compromis est une légère réduction de la qualité de sortie. Q3_K_S compresse Meta Llama 3.1 8B Instruct de sa taille originale à 3.41 Go.
Quelle quantification choisir pour Meta Llama 3.1 8B Instruct ?
Q3_K_S est une quantification basse qualité. Les quants de meilleure qualité (Q8, Q6) préservent davantage la précision du modèle mais nécessitent plus de VRAM. Les quants inférieurs (Q4, Q3, Q2) réduisent l'utilisation de la VRAM au prix d'une certaine qualité. Choisissez en fonction de votre matériel disponible et de vos exigences de qualité.
Pourquoi certaines couches sont-elles déchargées sur le CPU ?
CPU Only dispose de 0 Go de VRAM, mais Meta Llama 3.1 8B Instruct (Q3_K_S) nécessite environ 3.41 Go. Seules 0 des 32 couches tiennent dans la VRAM ; les couches restantes s'exécutent sur le CPU, ce qui est plus lent mais fonctionnel.
Comment exécuter Meta Llama 3.1 8B Instruct (Q3_K_S) avec Ollama ?
Exécutez ollama run llama3.1:8b-instruct-q3_k_s pour démarrer Meta Llama 3.1 8B Instruct (Q3_K_S). Ollama télécharge automatiquement les poids du modèle au premier lancement.