Gemma モデルを使ってみる

Gemma ファミリーのオープンモデルには、カスタム生成ソリューションの構築に役立つさまざまなモデルサイズ、機能、タスク特化型のバリエーションが含まれています。アプリケーションで Gemma モデルを使用する際の主なパスは次のとおりです。

• モデルを選択し、アプリケーションにそのままデプロイする
• モデルを選択し、特定のタスクに合わせてチューニングしてから、アプリケーションにデプロイするか、コミュニティと共有します。

このガイドは、モデルの選択、機能のテスト、必要に応じてアプリケーション用に選択したモデルのチューニングを行う方法を学ぶうえで役立ちます。

Kaggle で入手 Hugging Face で入手

モデルを選択する

このセクションでは、Gemma モデル ファミリーの公式バリアントを理解し、アプリケーションのモデルを選択する方法について説明します。モデル バリアントは、一般的な機能を提供するか、特定のタスクに特化しています。また、さまざまなパラメータ サイズで提供されるため、必要な機能があり、コンピューティング要件を満たすモデルを選択できます。

次の表に、Gemma モデル ファミリーの主なバリアントと、それらの想定されるデプロイ プラットフォームを示します。

Gemma 4 ファミリー

マルチモーダル（テキスト、画像、音声）入力を備えた最新世代。

Gemma 3 および 3n ファミリー

スケーラブルなテキストと画像処理用のコアモデルと、マルチモーダル入力の拡張用の「3n」バリアント。

Gemma 2 ファミリー

標準のテキスト モデルと PaliGemma 2 マルチモーダル ビジョン言語バリアントが含まれます。

Gemma 1 ファミリー

コーディング固有のバリエーションを含む、元の生成。

Gemma モデル ファミリーには、ShieldGemma、DataGemma、Gemma Scope、Gemma-APS などの特殊用途モデルと研究モデルも含まれています。

テストモデル

Gemma モデルをテストするには、ダウンロードしたモデルとサポート ソフトウェアを使用して開発環境を設定します。その後、モデルにプロンプトを入力して、レスポンスを評価できます。次のいずれかの Python ノートブックと、任意の ML フレームワークを使用して、テスト環境を設定し、Gemma モデルをプロンプトします。

• Keras を使用した推論
• PyTorch を使用した推論
• Gemma ライブラリを使用した推論

モデルをチューニングする

Gemma モデルをチューニングすることで、その動作を変更できます。モデルをチューニングするには、モデルの動作をガイドするのに十分なサイズとバリエーションの入力と想定されるレスポンスのデータセットが必要です。また、テキスト生成に Gemma モデルを実行する場合と比較して、チューニング実行を完了するには、コンピューティング リソースとメモリリソースが大幅に必要になります。次のいずれかの Python ノートブックを使用して、チューニング開発環境を設定し、Gemma モデルをチューニングします。

• Keras と LoRA チューニングで Gemma をチューニングする
• 分散トレーニングで大規模な Gemma モデルをチューニングする

次のステップ

Gemma を使用してソリューションを構築する方法については、以下のガイドをご覧ください。

• Gemma を使用して chatbot を作成する
• Vertex AI を使用して Gemma を本番環境にデプロイする
• Ollama と Gemma で Genkit を使用する