Gemma 모델 시작하기

Gemma 개방형 모델 제품군에는 맞춤 생성형 솔루션을 빌드하는 데 도움이 되는 다양한 모델 크기, 기능, 작업 특화 변형이 포함되어 있습니다. 애플리케이션에서 Gemma 모델을 사용할 때 따를 수 있는 주요 경로는 다음과 같습니다.

• 모델을 선택하고 애플리케이션에 있는 그대로 배포
• 모델을 선택하고 특정 작업에 맞게 조정한 다음 애플리케이션에 배포하거나 커뮤니티와 공유합니다.

이 가이드는 모델을 선택하고, 기능을 테스트하고, 선택한 모델을 애플리케이션에 맞게 조정하는 방법을 안내합니다.

Kaggle에서 다운로드 Hugging Face에서 다운로드

모델 선택

이 섹션에서는 Gemma 모델 제품군의 공식 변형을 이해하고 애플리케이션에 적합한 모델을 선택하는 데 도움을 줍니다. 모델 변형은 일반 기능을 제공하거나 특정 작업에 특화되어 있으며, 원하는 기능을 갖추고 컴퓨팅 요구사항을 충족하는 모델을 선택할 수 있도록 다양한 파라미터 크기로 제공됩니다.

Gemma 모델 목록

다음 표에는 Gemma 모델 제품군의 주요 변형과 의도된 배포 플랫폼이 나와 있습니다.

Gemma 모델군에는 ShieldGemma, DataGemma, Gemma Scope, Gemma-APS를 비롯한 특수 목적 및 연구 모델도 포함됩니다.

모델 테스트

다운로드한 모델과 지원 소프트웨어로 개발 환경을 설정하여 Gemma 모델을 테스트할 수 있습니다. 그런 다음 모델에 프롬프트를 표시하고 응답을 평가할 수 있습니다. 선호하는 머신러닝 프레임워크와 함께 다음 Python 노트북 중 하나를 사용하여 테스트 환경을 설정하고 Gemma 모델을 프롬프트하세요.

• Keras를 사용한 추론
• PyTorch를 사용한 추론
• Gemma 라이브러리를 사용한 추론

모델 튜닝

Gemma 모델을 미세 조정하여 동작을 변경할 수 있습니다. 모델을 조정하려면 모델의 동작을 안내할 수 있을 만큼 크고 다양한 입력과 예상 응답으로 구성된 데이터 세트가 필요합니다. 또한 텍스트 생성을 위해 Gemma 모델을 실행하는 것과 비교할 때 튜닝 실행을 완료하려면 훨씬 더 많은 컴퓨팅 및 메모리 리소스가 필요합니다. 다음 Python 노트북 중 하나를 사용하여 조정 개발 환경을 설정하고 Gemma 모델을 조정합니다.

• Keras 및 LoRA 조정을 사용하여 Gemma 조정
• 분산 학습으로 더 큰 Gemma 모델 조정

다음 단계

Gemma로 더 많은 솔루션을 빌드하려면 다음 가이드를 참고하세요.

• Gemma로 챗봇 만들기
• Vertex AI를 사용하여 Gemma를 프로덕션에 배포
• Ollama 및 Gemma와 함께 Genkit 사용하기