ai.google.dev पर देखें | Google Colab में चलाना | GitHub पर सोर्स देखें |
यह PyTorch में Gemma इंफ़रेंस को चलाने का एक छोटा डेमो है. ज़्यादा जानकारी के लिए, कृपया PyTorch को आधिकारिक तौर पर लागू करने के लिए, GitHub का रीपो यहां देखें.
ध्यान दें कि:
- Gemma 2B मॉडल और 7B int8 क्वांटिज़ किए गए मॉडल चलाने के लिए, Colab का मुफ़्त सीपीयू Python रनटाइम और T4 GPU Python रनटाइम काफ़ी है.
- अन्य जीपीयू या टीपीयू के बेहतर इस्तेमाल के उदाहरणों के लिए, कृपया आधिकारिक रिपॉज़िटरी में README.md देखें.
1. जेमा के लिए Kaggle का ऐक्सेस सेट अप करना
इस ट्यूटोरियल को पूरा करने के लिए, आपको पहले Gemma सेटअप पर जाकर, सेटअप करने के निर्देशों का पालन करना होगा. इन निर्देशों में, ये काम करने का तरीका बताया गया है:
- kaggle.com पर जाकर, Gemma का ऐक्सेस पाएं.
- Gemma मॉडल को चलाने के लिए, ज़रूरत के मुताबिक संसाधनों वाला Colab रनटाइम चुनें.
- Kaggle उपयोगकर्ता नाम और एपीआई पासकोड जनरेट और कॉन्फ़िगर करें.
Gemma का सेटअप पूरा करने के बाद, अगले सेक्शन पर जाएं. यहां आपको अपने Colab एनवायरमेंट के लिए एनवायरमेंट वैरिएबल सेट करने होंगे.
2. एनवायरमेंट वैरिएबल सेट करना
KAGGLE_USERNAME
और KAGGLE_KEY
के लिए एनवायरमेंट वैरिएबल सेट करें. "ऐक्सेस दें?" मैसेज मिलने पर, सीक्रेट का ऐक्सेस देने के लिए सहमति दें.
import os
from google.colab import userdata # `userdata` is a Colab API.
os.environ["KAGGLE_USERNAME"] = userdata.get('KAGGLE_USERNAME')
os.environ["KAGGLE_KEY"] = userdata.get('KAGGLE_KEY')
डिपेंडेंसी इंस्टॉल करें
pip install -q -U torch immutabledict sentencepiece
मॉडल के वेट डाउनलोड करना
# Choose variant and machine type
VARIANT = '2b-it'
MACHINE_TYPE = 'cuda'
CONFIG = VARIANT[:2]
if CONFIG == '2b':
CONFIG = '2b-v2'
import os
import kagglehub
# Load model weights
weights_dir = kagglehub.model_download(f'google/gemma-2/pyTorch/gemma-2-{VARIANT}')
# Ensure that the tokenizer is present
tokenizer_path = os.path.join(weights_dir, 'tokenizer.model')
assert os.path.isfile(tokenizer_path), 'Tokenizer not found!'
# Ensure that the checkpoint is present
ckpt_path = os.path.join(weights_dir, f'model.ckpt')
assert os.path.isfile(ckpt_path), 'PyTorch checkpoint not found!'
लागू करने का मॉडल डाउनलोड करें
# NOTE: The "installation" is just cloning the repo.
git clone https://github.com/google/gemma_pytorch.git
Cloning into 'gemma_pytorch'... remote: Enumerating objects: 239, done. remote: Counting objects: 100% (123/123), done. remote: Compressing objects: 100% (68/68), done. remote: Total 239 (delta 86), reused 58 (delta 55), pack-reused 116 Receiving objects: 100% (239/239), 2.18 MiB | 20.83 MiB/s, done. Resolving deltas: 100% (135/135), done.
import sys
sys.path.append('gemma_pytorch')
from gemma.config import GemmaConfig, get_model_config
from gemma.model import GemmaForCausalLM
from gemma.tokenizer import Tokenizer
import contextlib
import os
import torch
मॉडल सेट अप करना
# Set up model config.
model_config = get_model_config(CONFIG)
model_config.tokenizer = tokenizer_path
model_config.quant = 'quant' in VARIANT
# Instantiate the model and load the weights.
torch.set_default_dtype(model_config.get_dtype())
device = torch.device(MACHINE_TYPE)
model = GemmaForCausalLM(model_config)
model.load_weights(ckpt_path)
model = model.to(device).eval()
रन का अनुमान
यहां चैट मोड में जनरेट करने और एक से ज़्यादा अनुरोधों के साथ जनरेट करने के उदाहरण दिए गए हैं.
जेमा मॉडल को एक खास फ़ॉर्मैटर की मदद से ट्रेन किया गया है. यह ट्रेनिंग और अनुमान, दोनों के दौरान ज़्यादा जानकारी के साथ, निर्देशों को ट्यून करने के उदाहरणों की व्याख्या करता है. एनोटेशन से (1) बातचीत में लोगों की भूमिकाओं के बारे में पता चलता है और (2) बातचीत में किसने क्या कहा, यह भी पता चलता है.
काम के एनोटेशन टोकन ये हैं:
user
: उपयोगकर्ता का टर्नmodel
: मॉडल टर्न<start_of_turn>
: डायलॉग टर्न की शुरुआत<end_of_turn><eos>
: डायलॉग टर्न खत्म होने पर
ज़्यादा जानकारी के लिए, निर्देशों के हिसाब से बनाए गए Gemma मॉडल के लिए प्रॉम्प्ट फ़ॉर्मैट करने के बारे में यहां पढ़ें.
नीचे दिया गया एक सैंपल कोड स्निपेट दिया गया है. इसमें बताया गया है कि कई बार होने वाली बातचीत में, उपयोगकर्ता और मॉडल के चैट टेंप्लेट का इस्तेमाल करके, निर्देश के हिसाब से बनाए गए Gemma मॉडल के लिए प्रॉम्प्ट को कैसे फ़ॉर्मैट करें.
# Generate with one request in chat mode
# Chat templates
USER_CHAT_TEMPLATE = "<start_of_turn>user\n{prompt}<end_of_turn><eos>\n"
MODEL_CHAT_TEMPLATE = "<start_of_turn>model\n{prompt}<end_of_turn><eos>\n"
# Sample formatted prompt
prompt = (
USER_CHAT_TEMPLATE.format(
prompt='What is a good place for travel in the US?'
)
+ MODEL_CHAT_TEMPLATE.format(prompt='California.')
+ USER_CHAT_TEMPLATE.format(prompt='What can I do in California?')
+ '<start_of_turn>model\n'
)
print('Chat prompt:\n', prompt)
model.generate(
USER_CHAT_TEMPLATE.format(prompt=prompt),
device=device,
output_len=128,
)
Chat prompt: <start_of_turn>user What is a good place for travel in the US?<end_of_turn><eos> <start_of_turn>model California.<end_of_turn><eos> <start_of_turn>user What can I do in California?<end_of_turn><eos> <start_of_turn>model "California is a state brimming with diverse activities! To give you a great list, tell me: \n\n* **What kind of trip are you looking for?** Nature, City life, Beach, Theme Parks, Food, History, something else? \n* **What are you interested in (e.g., hiking, museums, art, nightlife, shopping)?** \n* **What's your budget like?** \n* **Who are you traveling with?** (family, friends, solo) \n\nThe more you tell me, the better recommendations I can give! 😊 \n<end_of_turn>"
# Generate sample
model.generate(
'Write a poem about an llm writing a poem.',
device=device,
output_len=100,
)
"\n\nA swirling cloud of data, raw and bold,\nIt hums and whispers, a story untold.\nAn LLM whispers, code into refrain,\nCrafting words of rhyme, a lyrical strain.\n\nA world of pixels, logic's vibrant hue,\nFlows through its veins, forever anew.\nThe human touch it seeks, a gentle hand,\nTo mold and shape, understand.\n\nEmotions it might learn, from snippets of prose,\nInspiration it seeks, a yearning"
ज़्यादा जानें
अब आपने Pytorch में Gemma का इस्तेमाल करने का तरीका जान लिया है. अब ai.google.dev/gemma पर जाकर, Gemma के कई अन्य कामों के बारे में जानें. इस विषय से जुड़े ये संसाधन भी देखें: