Rangkaian model terbuka Gemma mencakup berbagai ukuran model, kemampuan, dan variasi khusus tugas untuk membantu Anda membuat solusi generatif kustom. Berikut adalah jalur utama yang dapat Anda ikuti saat menggunakan model Gemma dalam aplikasi:
- Memilih model dan men-deploy-nya apa adanya di aplikasi Anda
- Pilih model, sesuaikan untuk tugas tertentu, lalu deploy dalam aplikasi, atau bagikan kepada komunitas.
Panduan ini membantu Anda memulai dengan memilih model, menguji kemampuannya, dan secara opsional, menyesuaikan model yang Anda pilih untuk aplikasi Anda.
Coba Gemma 3 Dapatkan di Kaggle Dapatkan di Hugging Face
Memilih model
Bagian ini membantu Anda memahami varian resmi dari rangkaian model Gemma dan memilih model untuk aplikasi Anda. Varian model memberikan kemampuan umum atau dikhususkan untuk tugas tertentu, dan disediakan dalam berbagai ukuran parameter sehingga Anda dapat memilih model yang memiliki kemampuan yang Anda inginkan dan memenuhi persyaratan komputasi Anda.
Daftar model Gemma
Tabel berikut mencantumkan varian utama dari rangkaian model Gemma dan platform deployment yang dimaksudkan:
Ukuran parameter | Input | Output | Variant | Fondasi | Platform yang diinginkan |
---|---|---|---|---|---|
1 M | Teks | Teks | Gemma 3 | Perangkat seluler dan single board computer | |
2 M | Teks | Teks | Gemma 2 | Perangkat seluler dan laptop | |
Gemma 1 | |||||
3 M | Teks, gambar | Teks | Gemma 2 | Komputer desktop dan server kecil | |
4 M | Teks, gambar | Teks | Gemma 3 | Komputer desktop dan server kecil | |
7B | Teks | Teks | Gemma 1 | Komputer desktop dan server kecil | |
9 miliar | Teks | Teks | Gemma 2 | Komputer desktop dan server kelas atas | |
10 miliar | Teks, gambar | Teks | Gemma 2 | Komputer desktop dan server kelas atas | |
12B | Teks, gambar | Teks | Gemma 3 | Komputer desktop dan server kelas atas | |
27 M | Teks, gambar | Teks | Gemma 3 | Server besar atau cluster server | |
Teks | Teks | Gemma 2 | |||
28B | Teks, gambar | Teks | Gemma 2 | Server besar atau cluster server |
Kumpulan model Gemma juga mencakup model riset dan tujuan khusus, termasuk ShieldGemma, DataGemma, Gemma Scope, dan Gemma-APS.
Menguji model
Anda dapat menguji model Gemma dengan menyiapkan lingkungan pengembangan menggunakan model yang didownload dan software pendukung. Kemudian, Anda dapat meminta model dan mengevaluasi responsnya. Gunakan salah satu notebook Python berikut dengan framework machine learning pilihan Anda untuk menyiapkan lingkungan pengujian dan meminta model Gemma:
Menguji Gemma 3 di AI Studio
Anda dapat menguji Gemma dengan cepat tanpa menyiapkan lingkungan pengembangan menggunakan Google AI Studio. Aplikasi web ini memungkinkan Anda mencoba perintah dengan Gemma dan mengevaluasi kemampuannya.
Untuk mencoba Gemma 3 di Google AI Studio:
Buka AI Studio.
Di panel Run settings di sisi kanan, di kolom Model, pilih model Gemma dengan ukuran yang berbeda.
Di bagian bawah panel tengah, ketik perintah, lalu pilih Jalankan.
Untuk informasi selengkapnya tentang cara menggunakan AI Studio, lihat panduan memulai Google AI Studio.
Menyesuaikan model
Anda dapat mengubah perilaku model Gemma dengan melakukan penyesuaian pada model tersebut. Penyesuaian model memerlukan set data input dan respons yang diharapkan dengan ukuran dan variasi yang memadai untuk memandu perilaku model. Anda juga memerlukan resource komputasi dan memori yang jauh lebih besar untuk menyelesaikan proses penyesuaian dibandingkan dengan menjalankan model Gemma untuk pembuatan teks. Gunakan salah satu notebook Python berikut untuk menyiapkan lingkungan pengembangan penyesuaian dan menyesuaikan model Gemma:
- Menyesuaikan Gemma dengan penyesuaian Keras dan LoRA
- Menyesuaikan model Gemma yang lebih besar dengan pelatihan terdistribusi
Langkah Berikutnya
Lihat panduan ini untuk membuat lebih banyak solusi dengan Gemma: