p-tuning后的chatglm3模型，经量化后怎么把微调的知识全忘了？ about chatglm.cpp HOT 5 OPEN

同问，我用lora也是

from chatglm.cpp.

目前还不支持转换 p-tuning 的模型，会考虑支持下。

lora 是支持的，需要加 -l 参数指定 lora checkpoint，参考 README：

For LoRA model, add -l <lora_model_name_or_path> flag to merge your LoRA weights into the base model.

from chatglm.cpp.

目前还不支持转换 p-tuning 的模型，会考虑支持下。

lora 是支持的，需要加 -l 参数指定 lora checkpoint，参考 README：

For LoRA model, add -l <lora_model_name_or_path> flag to merge your LoRA weights into the base model.

我已经将p-tuning微调的参数合并到原模型中了，然后再对合并的模型量化，这样也不行吗？

from chatglm.cpp.

目前还不支持转换 p-tuning 的模型，会考虑支持下。

lora 是支持的，需要加 -l 参数指定 lora checkpoint，参考 README：

For LoRA model, add -l <lora_model_name_or_path> flag to merge your LoRA weights into the base model.

我看了一下export的源码 ，发现-l貌似不起作用耶，在convert那个函数里

from chatglm.cpp.

目前还不支持转换 p-tuning 的模型，会考虑支持下。

lora 是支持的，需要加 -l 参数指定 lora checkpoint，参考 README：

For LoRA model, add -l <lora_model_name_or_path> flag to merge your LoRA weights into the base model.

ptuning后的模型，大概啥时候可以支持？或者有解决思路吗？

from chatglm.cpp.