shield_lock
金大哥
← 返回 Skill 列表
extension
分类: 开发与工程API Key 暂未确认

bonsai三元GGUF模型转ninfer模型02

2打包流程：打包流程、groupwise-int 模板要求、MAPPING.json、产出 vs 借用、3 个 fork 补丁、check

person作者: montherlandhubModelScope
download下载资源包

三元打包：GGUF → .ninfer

只改 src\，不要改 dist\。 dist\ 是 install.cmd 从 src\ 生成的运行副本。

.\install.cmd                                             # 装依赖、建 dist\.venv（不转模型）
.\dist\pack-ternary.cmd                                   # 文件选择器 GUI
.\dist\pack-ternary.cmd check                             # 只读自检
.\dist\pack-ternary.cmd layer3 out\layer3.ninfer          # 最小制品 → 自动验收 → 弹通知
.\dist\pack-ternary.cmd build  out\bonsai.ninfer          # 完整制品 → 自动验收 → 弹通知
.\dist\pack-ternary.cmd verify out\bonsai.ninfer --sweep  # 只验收，64 层全覆盖

任何模式都接受 --gguf <in.gguf> --template <tpl.ninfer>； 也可用环境变量 NINFER_TERNARY_GGUF / NINFER_TERNARY_TEMPLATE。 NINFER_ACCEPT_QUIET 抑制验收横幅。

build / layer3 写完产物会自动跑验收（pack-ternary.cmd:96）。写出来的产物不等于 被接受的产物。

1. 模板要求：weights_id == "groupwise-int"

模板不是单纯的 vision/MTP 负载捐赠者，而是打包器要遍历的骨架与清单——它自己的 对象名必须能逐个映射进封闭表。所以：

  • ✅ 任何 identity.weights_id == "groupwise-int" 的 qwen3.8-27b 制品。
  • ❌ nvfp4 打包的制品。它的 GDN/attention 是融合命名： gdn/a_b_projection、gdn/query_key_value_z、attention/query_key_gate_value —— 不在映射表里，必然以 unmapped gdn object ... 中止。

两种打包由同一模型的不同转换器产出，都在 tools/convert/qwen3_8_27b/ 下。 自检：① identity.weights_id == 'groupwise-int'；② text/layers/3/ 下是 attention/query_key 与 attention/gate_value 两个对象（只有单个 attention/query_key_gate_value 就是 nvfp4 版，用不了）。

模板不存在时报的错里带 NINFER_TERNARY_TEMPLATE 与 README FAQ 指引。

2. 映射规则不在代码里

pack.py 不推导任何映射规则，全部来自 MAPPING.json（那里记录了每条的证据）。

顶层键：_doc、_verified_by、_layers、_constants、_rules（8 条）、 text_globals（5 条）、per_layer_gdn（13 条）、per_layer_attention（9 条）、 _counts、_unresolved（4 条）。

每条映射的字段：src（源 GGUF 张量名，{l} 是层号占位）、shape、fmt、transform、 可选 note。fmt 可以是真实格式名，也可以是标记 "TERNARY"（= 跟随源张量的三元类型）。

8 条 _rules 里有两条是 INFERRED 而非实测，且都是整行置换： gdn_value_z 与 attn_q_per_head_interleave。详见 ninfer-ternary-format 第 5 节。 另外 norm_shift 有例外：text/layers/{l}/gdn/norm <- blk.{l}.ssm_norm.weight 是 RAW 拷贝，不减 1。

层分类（--sweep 覆盖的就是这两组）

_layers.gdn_linear_attention : 48 层 = 0,1,2,4,5,6,...,60,61,62   (≡ 0,1,2 mod 4)
_layers.full_attention        : 16 层 = 3,7,11,...,63             (≡ 3 mod 4)

note：分类是推导的——某层是全注意力层 iff GGUF 里存在 blk.{l}.attn_q.weight。 48×13 + 16×9 + 5 = 773 个 text 对象；源侧 48×14 + 16×11 + 3 = 851 个 GGUF 张量。

3. 产出 vs 借用

清单由模板自己的对象列表构建（_counts.artifact_objects_total = 1124， 加打包器补的 2 个符号表对象 = 1126）。

Packer.produce(name) 对 text/*（除 text/vision* 与 text/draft_head*）返回字节， 返回 None 表示"借用模板的"。mode_build 里逐对象：产出就写，否则从模板 mmap 借用。

借用是有意的，逐类理由：

| 借用 | 数量 | 理由 | |---|---|---| | vision/* | 333 | Bonsai 把视觉塔作为单独的 mmproj GGUF 发布，本 GGUF 里没有。模板那份是同一个官方塔，文本解码期间不读。 | | mtp/* | 12 | 本 GGUF 没有 MTP 头（851 张量，零个 blk.64.*）。模板那份是同一套官方 Qwen3.8-27B 头：12 个张量全部 cos ≥ 0.99966，7 个 norm 逐位相同。 | | frontend/* | 6 | tokenizer 等。 | | text/draft_head + _token_ids | 2 | 频率短名单。同一 tokenizer ⇒ 同一短名单。要改就重新生成，别拷贝。 |

实测（2026-09-29，PTQ1_0 源 5.538 GiB）：

总计           7,047,407,628 B = 6.563 GiB   objects 1126
  text 产出     5,930,360,844 B = 5.523 GiB
  借用负载      1,116,856,537 B = 1.040 GiB   {frontend 6, text 2, mtp 12, vision 333}

借用的 1.040 GiB 不是你的权重——MAPPING 把 vision 标为 _unresolved。

非位精确的部分（已知边界，别当 bug 修）

  • norm：gguf - 1.0 之后截断到 BF16（cos 0.99991–0.99997）。
  • a_log = log(-a) 用 float64 算完存 FP32。
  • 这些不是位精确。位精确的是三元部分。

产物不膨胀

CHECK 1 八种形状 pad 全 0，即 GGML 连续块流与 ninfer row-split 平面占字节完全相等。 相对源 GGUF 的增量全部是"GGUF 本来就没有、只能从模板借"的内容。格式开销为 0。

4. 三个 fork 补丁（只有 pack.py 里的这三处）

基线 = ninfer fork 的 tools/pack.py @ pascal-sm61 679f005d，sha256 bb666e19…5fddf。 纯净副本保留为 src\pack.ninfer-fork.py，三处补丁就是相对它的 diff。 完整溯源（含"为什么用 fork 而不是 ModelScope 那份"）在 src\pack.base.provenance.txt。 本机没装 git，无法核对 fork 工作副本与该 commit 是否一致——以 pack.ninfer-fork.py 的 sha256 为准，commit 号仅作溯源。

选 fork 而不是 ModelScope 发布版，是因为它多带两个本部署需要的修正： CHECK 2 的 scale 探针格式感知（发布版硬编码 34/0:2，在 PTQ1_0 源上直接 ValueError: cannot reshape array of size 13762560 into shape (34)）； 以及 dq_ptq1_0 分块解码（发布版整数组形式要 ~14 GiB float32 临时量，24 GiB 机器上 OOM）。 两者都不改任何输出字节。

| # | 补丁 | 为什么必须 | 位置 / 影响面 | |---|---|---|---| | 1 | dq_pq2_0 改 float32 + 分块 + 预分配 | 上游 (q.astype(np.int32) - 1) * d 里 int32 × float32 被 NumPy 提升成 float64，词表张量单份 9.47 GiB，而 mode_check 同时持有 a、b 两份 | pack.py:261。dq_pq2_0 全文件只被引用一次且在 mode_check 里，build/layer3 从不调用 ⇒ 不改判定、不改产物一个字节。等价性由 verify_decoder_patch.py 实测：4 个真实张量 × 4 种分块大小（含 chunk=7 压边界）全部 ndiff=0 | | 2 | mode_build 只在模板缺符号表时才追加 | 新版 groupwise-int 模板自带两个 Hadamard 符号表对象，且作为生成物排在最后两个位置（1126 里的 idx 1124/1125）——正是追加要放的地方。无条件追加会让 plan_objects() 抛 duplicate object name: text/hadamard_signs，一个字节都没写就退出，build/layer3 全失败 | pack.py:922。存在性由模板决定，不由硬编码假设决定；shape/format 仍取 SIGN_OBJECTS，所以两种写法不会漂移。模板自带的那份无论哪种情况都留在原位，且 produce() 会用本次 GGUF 的 KV 块覆盖两个对象，所以制品的符号表永远是源模型的，不是捐赠者的 | | 3 | GGML_GROUP / GGML_BLOCK / BLOCK_PLANE_SLICES 命名一次 | 让验收工具从 row_split_geometry() 推导平面偏移，而不是再硬编码一套可能与打包器不一致的常数 | pack.py:354 |

SIGN_OBJECTS = (("text/hadamard_signs", (28672,), "FP32"), ("text/hadamard_widths", (3,), "I32"))

5. check：无损性自检（只读，不写任何文件）

mode_check() 构造 Packer（所以模板 schema 错也会在这里快速失败），跑三组：

CHECK 1 — 几何

扫 GGUF 里所有 tt in FMT 的张量，按 (fmt, n, k) 归组，每组打一行 groups/row / src / payload / pad。健康值：pad = 0（无格式开销）。实测 8 种形状。

CHECK 2 — 字节往返 + 解码相等 + 偏移自检（决定性的一环）

6 个固定采样：blk.3.attn_q.weight、blk.3.attn_output.weight、blk.3.ffn_down.weight、 blk.0.attn_qkv.weight、blk.0.ssm_out.weight、token_embd.weight。 对每个算 bytes_equal（disassemble(assemble(src)) == src）与 decode_equal。

但 bytes_equal 只证明装配件自洽——读错文件偏移同样会给 bytes_equal，因为错的 字节进去又错出来。所以必须验内容：真正的组 scale 是紧密的正簇（高字节种类少、全有限、 无负值），错位读出来像均匀 uint16 采样，一堆 NaN/inf 和负值。

block = 28 if tt == T_PTQ1_0 else 34
sc_cols = slice(26, 28) if tt == T_PTQ1_0 else slice(0, 2)   # ← 格式感知
plaus = (n_nonfinite == 0 and n_neg == 0 and hi_distinct <= 64 and 0.0 < med < 1.0)

判据：nonfinite=0、negative=0、hi_distinct<=64、0<median<1 ⇒ 打印 PLAUSIBLE， 否则 IMPLAUSIBLE -- offset bug?。硬编码 34 / slice(0,2) 会静默读错 PTQ1_0 源。

CHECK 3 — producer 冒烟（只比 shape 和 size）

13 个名字：layer 3 的 attention/query_key、attention/gate_value、mlp/gate_up、 mlp/down、attention/output；layer 0 的 gdn/value_z、gdn/query_key、gdn/output； token_embedding、output_head、final_norm；外加两个符号表对象。 produce() 返回 None 的打 (borrowed) SKIP。尺寸不符打 MISMATCH want N 并置 ok=False。

最后 RESULT: OK / RESULT: FAILED，返回 0/1。

🚨 check 不是验收门 3 的替代品。 CHECK 3 只比字节数，而字节数恰恰是 "顺序错了也照样精确正确"的那类量。历史 bug 在 CHECK 1/2/3 全绿下出厂。见 ninfer-ternary-traps。

6. layer3 与 build

layer3 <out> = mode_build(g, out, only_layer=3)：只保留 frontend/*、 text/hadamard_* 和 text/layers/3/*，得到一个最小制品（2 行构建）。用来快速验证 管道，不用来验收——--sweep 遇到 layer3-only 制品会报 1/64 并非零退出。

build <out> = 完整 text 模型。

两者都：

  • if out_path.exists(): raise SystemExit(f"refusing to overwrite {out_path}") —— 拒绝覆盖已存在的产物。
  • 逐对象：能产出就 w.write(name, data) 并累加 produced_bytes；否则从模板 tpl.payload(obj) 借用并累加 borrowed_bytes，按 name.split("/")[0] 计数。 借用后 del mv 释放 mmap 视图，否则 Artifact.close() 抛 BufferError。
  • 模板缺对象 → template has no object <name> to borrow。
  • 结尾打印 total / produced / borrowed（按前缀分组）/ objects 数量。

ArtifactWriter 是严格目录顺序的：写错顺序 → expected payload X, got Y； 长度不符 → payload X exceeds its planned byte length 或 has N bytes; expected M。 对齐填充由 writer 自动补零。

7. MTP 头删不掉

Binder::require_tensor → find_unconsumed 缺对象即抛 required artifact object is missing；Binder::finish() 还强制双向精确匹配（多一个 对象报 was not consumed by the selected target）。要关只能在启动时把 EngineOptions.speculative 设为 SpeculativeBackend::None，那 12 个对象走 ValidateOnly、留在 host 不占显存。关掉不影响输出正确性（每个 draft token 都被目标 模型校验），只掉吞吐。

相关技能

  • ninfer-ternary-format — 容器排布、平面几何、perm48
  • ninfer-ternary-accept — 写完之后的七道门
  • ninfer-ternary-tooling — install / GUI / 诊断脚本
  • ninfer-ternary-traps — 这些约束背后的失效模式