با مدل های Gemma شروع کنید

خانواده مدل‌های باز Gemma شامل طیف وسیعی از اندازه‌ها، قابلیت‌ها و تغییرات تخصصی مدل برای کمک به شما در ساخت راه‌حل‌های تولیدی سفارشی است. اینها مسیرهای اصلی هستند که می‌توانید هنگام استفاده از مدل‌های Gemma در یک برنامه دنبال کنید:

• یک مدل را انتخاب کنید و آن را همانطور که هست در برنامه خود مستقر کنید
• یک مدل را انتخاب کنید، آن را برای یک کار خاص تنظیم کنید و سپس آن را در یک برنامه مستقر کنید یا آن را با جامعه به اشتراک بگذارید.

این راهنما به شما کمک می‌کند تا با انتخاب یک مدل، آزمایش قابلیت‌های آن و در صورت تمایل، تنظیم مدلی که برای کاربرد خود انتخاب کرده‌اید، شروع به کار کنید.

آن را در کاگل (Kaggle) دریافت کنید، آن را در هاگینگ فیس (Hanging Face) دریافت کنید

یک مدل انتخاب کنید

این بخش به شما کمک می‌کند تا انواع رسمی خانواده مدل Gemma را بشناسید و مدلی را برای کاربرد خود انتخاب کنید. انواع مدل، قابلیت‌های عمومی ارائه می‌دهند یا برای وظایف خاص تخصصی هستند و در اندازه‌های پارامتری مختلف ارائه می‌شوند، بنابراین می‌توانید مدلی را انتخاب کنید که قابلیت‌های مورد نظر شما را داشته باشد و نیازهای محاسباتی شما را برآورده کند.

جدول زیر انواع اصلی خانواده مدل Gemma و پلتفرم‌های استقرار مورد نظر آنها را فهرست می‌کند:

خانواده جما ۴

آخرین نسل شامل ورودی‌های چندوجهی (متن، تصویر، صدا)

خانواده جما ۳ و ۳n

مدل‌های اصلی برای پردازش متن و تصویر مقیاس‌پذیر، به علاوه‌ی انواع «3n» برای ورودی‌های چندوجهی گسترش‌یافته.

خانواده جما ۲

شامل مدل‌های متنی استاندارد و انواع زبان-بینایی چندوجهی PaliGemma 2 است.

خانواده جما ۱

نسل اصلی، شامل انواع مختص کدنویسی.

خانواده مدل‌های Gemma همچنین شامل مدل‌های خاص منظوره و تحقیقاتی از جمله ShieldGemma ، DataGemma ، Gemma Scope و Gemma-APS می‌شود.

مدل‌های آزمایشی

شما می‌توانید مدل‌های Gemma را با راه‌اندازی یک محیط توسعه با یک مدل دانلود شده و نرم‌افزار پشتیبان، آزمایش کنید. سپس می‌توانید مدل را فراخوانی کرده و پاسخ‌های آن را ارزیابی کنید. از یکی از دفترچه‌های پایتون زیر با چارچوب یادگیری ماشین مورد نظر خود برای راه‌اندازی یک محیط آزمایش و فراخوانی یک مدل Gemma استفاده کنید:

• استنتاج با کراس
• استنتاج با PyTorch
• استنتاج با کتابخانه Gemma

مدل‌ها را تنظیم کنید

شما می‌توانید با انجام تنظیم روی مدل‌های Gemma، رفتار آنها را تغییر دهید. تنظیم یک مدل نیاز به مجموعه‌ای از ورودی‌ها و پاسخ‌های مورد انتظار با اندازه و تنوع کافی برای هدایت رفتار مدل دارد. همچنین برای تکمیل یک اجرای تنظیم، در مقایسه با اجرای یک مدل Gemma برای تولید متن، به منابع محاسباتی و حافظه بسیار بیشتری نیاز دارید. از یکی از دفترچه‌های پایتون زیر برای راه‌اندازی یک محیط توسعه تنظیم و تنظیم یک مدل Gemma استفاده کنید:

• تنظیم جما با Keras و LoRA
• مدل‌های بزرگتر Gemma را با آموزش توزیع‌شده تنظیم کنید

مراحل بعدی

برای ساخت راه‌حل‌های بیشتر با Gemma، این راهنماها را بررسی کنید:

• با Gemma یک چت‌بات بسازید
• استقرار Gemma در محیط عملیاتی با استفاده از Vertex AI
• استفاده از Genkit به همراه Ollama و Gemma