Gemma es un conjunto de modelos abiertos de inteligencia artificial (IA) ligeros y generativos. Los modelos de Gemma están disponibles para ejecutarse en tus aplicaciones y en tu hardware, tus dispositivos móviles o tus servicios alojados. También puedes personalizar estos modelos con técnicas de ajuste para que se destaquen en la realización de tareas que son importantes para ti y tus usuarios. Los modelos de Gemma se basan en modelos de Gemini y están diseñados para que la comunidad de desarrollo de IA los extienda y los mejore.
El ajuste puede ayudar a mejorar el rendimiento de un modelo en tareas específicas. Debido a que los modelos de la familia de modelos de Gemma son de peso abierto, puedes ajustar cualquiera de ellos con el framework de IA que elijas y el SDK de Vertex AI. Puedes abrir un ejemplo de notebook para ajustar el modelo de Gemma mediante un vínculo disponible en la tarjeta de modelo de Gemma en Model Garden.
Los siguientes modelos de Gemma están disponibles para usarse con Vertex AI. Para obtener más información sobre los modelos de Gemma y probarlos, consulta sus tarjetas de modelo de Model Garden.
Nombre del modelo | Casos de uso | Tarjeta de modelo de Model Garden |
---|---|---|
Gemma 2 | Ideal para la generación, el resumen y la extracción de textos. | Ir a la tarjeta de modelo de Gemma 2 |
Gemma | Ideal para la generación, el resumen y la extracción de textos. | Ir a la tarjeta del modelo de Gemma |
CodeGemma | Ideal para la generación y finalización de código. | Ir a la tarjeta de modelo de CodeGemma |
PaliGemma | Ideal para tareas de leyenda de imágenes y tareas visuales de preguntas y respuestas. | Ir a la tarjeta de modelo de PaliGemma |
Las siguientes son algunas opciones en las que puedes usar Gemma:
Usa Gemma con Vertex AI
Vertex AI ofrece una plataforma administrada para compilar y escalar con rapidez proyectos de aprendizaje automático sin necesidad de tener experiencia interna en MLOps. Puedes usar Vertex AI como la aplicación descendente que entrega los modelos de Gemma. Por ejemplo, puedes transferir ponderaciones de la implementación de Keras de Gemma. A continuación, puedes usar Vertex AI para entregar esa versión de Gemma a fin de obtener predicciones. Recomendamos usar Vertex AI si deseas funciones de MLOps de extremo a extremo, funciones de AA de valor agregado y una experiencia sin servidores para un desarrollo optimizado.
Para comenzar a usar Gemma, consulta los siguientes notebooks:
Optimiza Gemma con PEFT y, luego, impleméntalo en Vertex AI desde Vertex.
Optimiza Gemma con PEFT y, luego, impleméntalo en Vertex AI desde Huggingface
Optimiza Gemma con KerasNLP y, luego, impleméntalo en Vertex AI
Ajusta Gemma con Ray en Vertex AI y, luego, impleméntalo en Vertex AI
Usa Gemma en otros productos de Google Cloud
Puedes usar Gemma con otros productos de Google Cloud, como Google Kubernetes Engine y Dataflow.
Usa Gemma con GKE
Google Kubernetes Engine (GKE) es la solución de Google Cloud para Kubernetes administrado que proporciona escalabilidad, seguridad, resiliencia y rentabilidad. Recomendamos esta opción si tienes inversiones existentes en Kubernetes, tu organización tiene experiencia interna en MLOps o si necesitas un control detallado sobre cargas de trabajo de IA/AA complejas con requisitos únicos de seguridad, canalización de datos y administración de recursos. Para obtener más información, consulta los siguientes instructivos en la documentación de GKE:
- Entrega Gemma con vLLM
- Entrega Gemma con TGI
- Entrega Gemma con Triton y TensorRT-LLM
- Entrega Gemma con JetStream
- Entrega Gemma con Saxml
Usa Gemma con Dataflow
Puedes usar modelos de Gemma con Dataflow para el análisis de opiniones. Usa Dataflow para ejecutar canalizaciones de inferencia que usen los modelos de Gemma. Para obtener más información, consulta Ejecuta canalizaciones de inferencia con modelos abiertos de Gemma.
Usa Gemma con Colab
Puedes usar Gemma con Colaboratory para crear tu solución de Gemma. En Colab, puedes usar Gemma con opciones de framework, como PyTorch y JAX. Para obtener más información, consulta:
- Comienza a usar Gemma con Keras.
- Comienza a usar Gemma mediante PyTorch.
- Ajuste básico con Gemma mediante Keras.
- Ajuste distribuido con Gemma mediante Keras.
Tamaños y capacidades de los modelos de Gemma
Los modelos de Gemma están disponibles en varios tamaños para que puedas compilar soluciones de IA generativa en función de tus recursos de procesamiento disponibles, las capacidades que necesitas y el lugar en el que deseas ejecutarlos. Cada modelo está disponible en una versión ajustada y no ajustada:
Preentrenada: Esta versión del modelo no se entrenó con ninguna tarea o instrucción específica más allá del conjunto de entrenamiento de datos principal de Gemma. No recomendamos usar este modelo sin realizar algunos ajustes.
Ajuste de instrucciones: Esta versión del modelo se entrenó con interacciones en lenguaje humano para que pueda participar en una conversación, similar a un chat bot simple.
Combinación ajustada: Esta versión del modelo se ajusta en una mezcla de conjuntos de datos académicos y acepta mensajes de lenguaje natural.
Los tamaños de parámetros más bajos implican menores requisitos de recursos y mayor flexibilidad de implementación.
Nombre del modelo | Tamaño de los parámetros | Entrada | Resultado | Versiones ajustadas | Plataformas previstas |
---|---|---|---|---|---|
Gemma 2 | |||||
Gemma 27B | 27,000 millones | Texto | Texto |
|
Servidores grandes o clústeres de servidores |
Gemma 9B | 9,000 millones | Texto | Texto |
|
Computadoras de escritorio y servidores de alta gama |
Gemma 2B | 2,000 millones | Texto | Texto |
|
Dispositivos móviles y laptops |
Gemma | |||||
Gemma 7B | 7,000 millones | Texto | Texto |
|
Computadoras de escritorio y servidores pequeños |
Gemma 2B | 2,200 millones | Texto | Texto |
|
Dispositivos móviles y laptops |
CodeGemma | |||||
CodeGemma 7B | 7,000 millones | Texto | Texto |
|
Computadoras de escritorio y servidores pequeños |
CodeGemma 2B | 2,000 millones | Texto | Texto |
|
Computadoras de escritorio y servidores pequeños |
PaliGemma | |||||
PaliGemma 3B | 3,000 millones | Texto | Texto |
|
Computadoras de escritorio y servidores pequeños |
Gemma se probó con el hardware de TPU v5e compilado para propósitos específicos de Google y el hardware de GPU L4 (G2 estándar), A100 (A2 estándar), H100 (A3 estándar) de NVIDIA.
¿Qué sigue?
- Consulta la documentación de Gemma.