Gemma मॉडल का इस्तेमाल शुरू करें

Gemma के ओपन मॉडल में, अलग-अलग साइज़ के मॉडल, क्षमताएं, और टास्क के हिसाब से खास बदलाव शामिल हैं. इससे आपको जनरेटिव एआई के समाधानों को अपनी पसंद के मुताबिक बनाने में मदद मिलती है. किसी ऐप्लिकेशन में Gemma मॉडल का इस्तेमाल करते समय, इन मुख्य तरीकों का इस्तेमाल किया जा सकता है:

• कोई मॉडल चुनें और उसे अपने ऐप्लिकेशन में जैसे का तैसा डिप्लॉय करें
• कोई मॉडल चुनें, उसे किसी खास टास्क के लिए ट्यून करें, और फिर उसे किसी ऐप्लिकेशन में डिप्लॉय करें या कम्यूनिटी के साथ शेयर करें.

इस गाइड में, मॉडल चुनने, उसकी सुविधाओं की जांच करने, और अपने ऐप्लिकेशन के लिए चुने गए मॉडल को ट्यून करने के बारे में जानकारी दी गई है. हालांकि, मॉडल को ट्यून करना ज़रूरी नहीं है.

इसे Kaggle पर पाएं इसे Hugging Face पर पाएं

कोई मॉडल चुनना

इस सेक्शन से, आपको Gemma मॉडल फ़ैमिली के आधिकारिक वैरिएंट के बारे में जानकारी मिलती है. साथ ही, अपने ऐप्लिकेशन के लिए कोई मॉडल चुनने में मदद मिलती है. मॉडल के वैरिएंट, सामान्य सुविधाएं देते हैं या किसी खास काम के लिए बनाए जाते हैं. इन्हें अलग-अलग पैरामीटर साइज़ में उपलब्ध कराया जाता है, ताकि आप अपनी पसंद के हिसाब से ऐसा मॉडल चुन सकें जिसमें आपकी ज़रूरत के मुताबिक सुविधाएं हों और जो कंप्यूटिंग से जुड़ी आपकी ज़रूरतों को पूरा करता हो.

Gemma मॉडल की सूची

यहां दी गई टेबल में, Gemma मॉडल फ़ैमिली के मुख्य वैरिएंट और उन्हें डिप्लॉय करने के लिए उपलब्ध प्लैटफ़ॉर्म के बारे में बताया गया है:

Gemma के मॉडल फ़ैमिली में, खास मकसद और रिसर्च वाले मॉडल भी शामिल हैं. जैसे, ShieldGemma, DataGemma, Gemma Scope, और Gemma-APS.

मॉडल टेस्ट करना

Gemma मॉडल को टेस्ट करने के लिए, डाउनलोड किए गए मॉडल और उससे जुड़े सॉफ़्टवेयर की मदद से डेवलपमेंट एनवायरमेंट सेट अप करें. इसके बाद, मॉडल को प्रॉम्प्ट दिया जा सकता है और उसके जवाबों का आकलन किया जा सकता है. टेस्टिंग एनवायरमेंट सेट अप करने और Gemma मॉडल को प्रॉम्प्ट करने के लिए, अपने पसंदीदा मशीन लर्निंग फ़्रेमवर्क के साथ इनमें से किसी एक Python नोटबुक का इस्तेमाल करें:

• Keras की मदद से अनुमान लगाना
• PyTorch की मदद से अनुमान लगाना
• Gemma लाइब्रेरी की मदद से अनुमान लगाना

मॉडल ट्यून करना

Gemma मॉडल को ट्यून करके, उनके काम करने के तरीके में बदलाव किया जा सकता है. किसी मॉडल को ट्यून करने के लिए, इनपुट और अनुमानित जवाबों का एक ऐसा डेटासेट ज़रूरी होता है जिसमें काफ़ी डेटा और अलग-अलग तरह के जवाब शामिल हों, ताकि मॉडल के व्यवहार को सही तरीके से गाइड किया जा सके. टेक्स्ट जनरेट करने के लिए Gemma मॉडल चलाने की तुलना में, ट्यूनिंग रन को पूरा करने के लिए आपको काफ़ी ज़्यादा कंप्यूटिंग और मेमोरी संसाधनों की भी ज़रूरत होती है. ट्यूनिंग डेवलपमेंट एनवायरमेंट सेट अप करने और Gemma मॉडल को ट्यून करने के लिए, इनमें से किसी एक Python नोटबुक का इस्तेमाल करें:

• Keras और LoRA ट्यूनिंग की मदद से Gemma को ट्यून करना
• डिस्ट्रिब्यूटेड ट्रेनिंग की मदद से, Gemma के बड़े मॉडल को ट्यून करना

अगले चरण

Gemma की मदद से ज़्यादा समाधान बनाने के लिए, इन गाइड को देखें:

• Gemma की मदद से चैटबॉट बनाना
• Vertex AI की मदद से, Gemma को प्रोडक्शन में डिप्लॉय करना
• Ollama और Gemma के साथ Genkit का इस्तेमाल करना