เริ่มต้นใช้งานโมเดล Gemma

โมเดลแบบเปิดตระกูล Gemma มีขนาด ความสามารถ และรูปแบบที่เชี่ยวชาญด้านงานต่างๆ มากมายเพื่อช่วยคุณสร้างโซลูชัน Generative AI ที่กำหนดเอง เส้นทางหลักที่คุณทำตามได้เมื่อใช้โมเดล Gemma ในแอปพลิเคชันมีดังนี้

• เลือกรุ่นและนําไปใช้ตามเดิมในแอปพลิเคชัน
• เลือกโมเดล ปรับแต่งโมเดลสำหรับงานที่เฉพาะเจาะจง แล้วนําไปใช้งาน ในแอปพลิเคชัน หรือแชร์กับชุมชน

คู่มือนี้จะช่วยให้คุณเริ่มต้นเลือกโมเดล ทดสอบความสามารถของโมเดล และปรับแต่งโมเดลที่คุณเลือกสำหรับแอปพลิเคชันของคุณ (ไม่บังคับ)

ดาวน์โหลดใน Kaggle ดาวน์โหลดใน Hugging Face

เลือกโมเดล

ส่วนนี้จะช่วยให้คุณเข้าใจตัวแปรอย่างเป็นทางการของตระกูลโมเดล Gemma และเลือกโมเดลสำหรับแอปพลิเคชันของคุณ โมเดลเวอร์ชันต่างๆ มีความสามารถทั่วไปหรือมีความเชี่ยวชาญสำหรับงานที่เฉพาะเจาะจง และมีขนาดพารามิเตอร์ที่แตกต่างกันเพื่อให้คุณเลือกโมเดลที่มีความสามารถที่ต้องการและตรงตามข้อกำหนดด้านการประมวลผล

ตารางต่อไปนี้แสดงรายการโมเดลตระกูล Gemma ที่สำคัญและแพลตฟอร์มการติดตั้งใช้งานที่ตั้งใจไว้

Gemma 4 Family

รุ่นล่าสุดที่มีอินพุตหลายรูปแบบ (ข้อความ รูปภาพ เสียง)

ตระกูล Gemma 3 และ 3n

โมเดลหลักสำหรับการประมวลผลข้อความและรูปภาพที่รองรับการปรับขนาด รวมถึงโมเดล '3n' สำหรับอินพุตหลายรูปแบบที่ขยาย

Gemma 2 Family

รวมถึงโมเดลข้อความมาตรฐานและโมเดล PaliGemma 2 ที่เป็นโมเดลวิทัศน์และภาษาแบบหลายรูปแบบ

Gemma 1 Family

รุ่นดั้งเดิม รวมถึงรุ่นที่เฉพาะเจาะจงสำหรับการเขียนโค้ด

โมเดลตระกูล Gemma ยังรวมถึงโมเดลเพื่อการวิจัยและโมเดลเฉพาะทาง ซึ่งรวมถึง ShieldGemma DataGemma Gemma Scope และ Gemma-APS

ทดสอบโมเดล

คุณสามารถทดสอบโมเดล Gemma ได้โดยการตั้งค่าสภาพแวดล้อมในการพัฒนาซอฟต์แวร์ด้วยโมเดลที่ดาวน์โหลดและซอฟต์แวร์ที่รองรับ จากนั้นคุณจะป้อนพรอมต์โมเดลและ ประเมินคำตอบได้ ใช้สมุดบันทึก Python อย่างใดอย่างหนึ่งต่อไปนี้กับเฟรมเวิร์กแมชชีนเลิร์นนิงที่คุณต้องการเพื่อตั้งค่าสภาพแวดล้อมการทดสอบและพรอมต์โมเดล Gemma

• การอนุมานด้วย Keras
• การอนุมานด้วย PyTorch
• การอนุมานด้วยไลบรารี Gemma

ปรับแต่งโมเดล

คุณเปลี่ยนลักษณะการทำงานของโมเดล Gemma ได้โดยการปรับแต่งโมเดล การปรับแต่งโมเดลต้องใช้ชุดข้อมูลของอินพุตและการตอบสนองที่คาดไว้ซึ่งมีขนาดและความหลากหลายเพียงพอ เพื่อเป็นแนวทางในการทำงานของโมเดล นอกจากนี้ คุณยังต้องมีทรัพยากรด้านการประมวลผลและหน่วยความจำมากกว่าเดิมอย่างมากเพื่อเรียกใช้การปรับแต่งให้เสร็จสมบูรณ์เมื่อเทียบกับการเรียกใช้โมเดล Gemma สำหรับการสร้างข้อความ ใช้สมุดบันทึก Python รายการใดรายการหนึ่งต่อไปนี้เพื่อ ตั้งค่าสภาพแวดล้อมในการพัฒนาซอฟต์แวร์การปรับแต่งและปรับแต่งโมเดล Gemma

• ปรับแต่ง Gemma ด้วย Keras และการปรับแต่ง LoRA
• ปรับแต่งโมเดล Gemma ขนาดใหญ่ขึ้นด้วยการฝึกแบบกระจาย

ขั้นตอนถัดไป

ดูคำแนะนำต่อไปนี้เพื่อสร้างโซลูชันเพิ่มเติมด้วย Gemma

• สร้างแชทบ็อตด้วย Gemma
• ติดตั้งใช้งาน Gemma ในเวอร์ชันที่ใช้งานจริงด้วย Vertex AI
• ใช้ Genkit กับ Ollama และ Gemma