Gemma的简单介绍
Gemma 是一系列轻量级、最先进的开放式模型，采用与创建 Gemini 模型相同的研究和技术而构建。 Gemma 由 Google DeepMind 和 Google 的其他团队开发，其灵感来自 Gemini，其名称反映了拉丁语 gemma，意思是“宝石”。 除了模型权重之外，Google还发布了工具来支持开发人员创新、促进协作并指导负责任地使用 Gemma 模型。
以下是关键细节：
- 发布了两种尺寸的模型配重：Gemma 2B 和 Gemma 7B。 每个尺寸都发布了经过预训练和指令调整的变体。
- Responsible Generative AI 工具包为使用 Gemma 创建更安全的 AI 应用程序提供了指导和基本工具。
- 通过原生 Keras 3.0 提供跨所有主要框架的推理和监督微调 (SFT) 工具链：JAX、PyTorch 和 TensorFlow。
- 即用型 Colab 和 Kaggle 笔记本，以及与 Hugging Face、MaxText、NVIDIA NeMo 和 TensorRT-LLM 等流行工具的集成，让您可以轻松开始使用 Gemma。
- 预先训练和指令调整的 Gemma 模型可以在您的笔记本电脑、工作站或 Google Cloud 上运行，并可轻松部署在 Vertex AI 和 Google Kubernetes Engine (GKE) 上。
- 跨多个 AI 硬件平台的优化可确保行业领先的性能，包括 NVIDIA GPU 和 Google Cloud TPU
基于Colab的搭建过程
- 注册Colab账号，全称Colaboratory，谷歌推出的笔记本应用，可以在线运行Python程序，是Google运行的Jupyter Notebooks，提供免费的CPU和GPU运算。
- 登录下方网址，进入Kaggle，找到Gemma模型，kaggle是一个被谷歌收购的科学竞赛社区，上面会发布各种模型和资料。Gemma | Kaggle
https://www.kaggle.com/models/google/gemma - 注册Kaggle账号，然后进入Settings，设置API并下载打开Kaggle.json文件，记住里面的账号名和密码，然后添加到Colab的环境变量中，名称分别为KAGGLE_KEY和KAGGLE_USERNAME.
- 填写Gemma模型的使用条款，如图所示的绿色图标位置
- 进入Colab笔记本，配置环境，设置连接的服务器，选择更改运行时的类型，选择T4，然后会看到这个图标显示。
- 安装keras-nlp和keras，安装完可能会提示重启Session，按提示来
!pip install -U keras-nlp
!pip install -U keras- 然后我们import一下库，先把用户信息变量设置好
import os
from google.colab import userdataos.environ["KAGGLE_USERNAME"] = userdata.get('KAGGLE_USERNAME')
os.environ["KAGGLE_KEY"] = userdata.get('KAGGLE_KEY')- 然后配置环境，导入模型
import keras
import keras_nlp
import numpy as npos.environ["KERAS_BACKEND"] = "jax" # Or "tensorflow" or "torch".gemma_lm = keras_nlp.models.GemmaCausalLM.from_preset("gemma_2b_en")- 输入下面命令查看是否运行成功，成功的话会和下面图片显示一致
gemma_lm.summary()
- 使用方法的话，就是直接写代码加提示词
gemma_lm.generate(["Keras is a", "I want to say"], max_length=30)
