Начните работу с моделями Gemma

Семейство открытых моделей Gemma включает в себя различные размеры, возможности и варианты, адаптированные для конкретных задач, которые помогут вам создавать индивидуальные генеративные решения. Вот основные пути использования моделей Gemma в приложении:

• Выберите модель и разверните ее как есть в своем приложении.
• Выберите модель, настройте ее для конкретной задачи , а затем разверните ее в приложении или поделитесь ею с сообществом.

Это руководство поможет вам приступить к выбору модели, тестированию ее возможностей и, при необходимости, настройке выбранной вами модели для вашего приложения.

Получите это на Kaggle Получите это на Hugging Face

Выберите модель

Этот раздел поможет вам разобраться в официальных вариантах семейства моделей Gemma и выбрать модель для вашего приложения. Варианты моделей предоставляют общие возможности или специализированы для решения конкретных задач и доступны с различными размерами параметров, что позволяет выбрать модель с необходимыми вам возможностями и вычислительными требованиями.

Список моделей Джеммы

В следующей таблице перечислены основные варианты семейства моделей Gemma и их предполагаемые платформы развертывания:

Семейство моделей Gemma также включает в себя модели специального назначения и исследовательские модели, включая ShieldGemma , DataGemma , Gemma Scope и Gemma-APS .

Тестовые модели

Вы можете тестировать модели Gemma, настроив среду разработки с загруженной моделью и вспомогательным программным обеспечением. Затем вы можете запустить модель и оценить её ответы. Используйте один из следующих блокнотов Python с предпочитаемым вами фреймворком машинного обучения, чтобы настроить среду тестирования и запустить модель Gemma:

• Вывод с помощью Keras
• Вывод с помощью PyTorch
• Вывод с помощью библиотеки Gemma

Модели тюнинга

Вы можете изменить поведение моделей Gemma, выполнив их настройку. Для настройки модели требуется набор данных с входными данными и ожидаемыми откликами достаточного размера и вариативности, чтобы управлять поведением модели. Кроме того, для завершения настройки требуется значительно больше вычислительных ресурсов и памяти по сравнению с запуском модели Gemma для генерации текста. Используйте один из следующих блокнотов Python для настройки среды разработки и настройки модели Gemma:

• Настройте Gemma с помощью Keras и LoRA
• Настройка более крупных моделей Gemma с помощью распределенного обучения

Следующие шаги

Ознакомьтесь с этими руководствами по созданию дополнительных решений с помощью Gemma:

• Создайте чат-бота с Джеммой
• Развертывание Gemma в производстве с помощью Vertex AI
• Используйте Genkit с Ollama и Gemma