Gemma 3 27b It GPTQ 4b 128g

🚀 gemma-3-27b-it-GPTQ-4b-128g

このモデルは、画像とテキストを入力としてテキストを出力するモデルです。gemma-3-27b-it の重みをINT4データ型に量子化することで得られ、ディスクサイズとGPUメモリ要件を約75%削減します。

✨ 主な機能

• モデルの重みをINT4データ型に量子化することで、ディスクサイズとGPUメモリ要件を削減します。
• 線形演算子の重みのみを量子化し、ビジョンモデルとマルチモーダル投影は元の精度を維持します。
• 対称的なグループごとの方式で重みを量子化し、グループサイズは128です。
• GPTQアルゴリズムを使用して量子化を行います。
• モデルチェックポイントは compressed_tensors 形式で保存されます。

📚 ドキュメント

モデル概要

このモデルは、gemma-3-27b-it の重みをINT4データ型に量子化することで得られました。この最適化により、パラメータごとのビット数が16から4に減少し、ディスクサイズとGPUメモリ要件が約75%削減されます。

language_model トランスフォーマーブロック内の線形演算子の重みのみが量子化されます。ビジョンモデルとマルチモーダル投影は元の精度で維持されます。重みは、グループサイズ128の対称的なグループごとの方式で量子化されます。量子化にはGPTQアルゴリズムが適用されます。

モデルチェックポイントは compressed_tensors 形式で保存されます。

評価

このモデルは、OpenLLM v1ベンチマークで評価されました。モデルの出力は vLLM エンジンで生成されました。

再現方法

結果は以下のコマンドを使用して得られました。

MODEL=ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
MODEL_ARGS="pretrained=$MODEL,max_model_len=4096,tensor_parallel_size=1,dtype=auto,gpu_memory_utilization=0.80"

lm_eval \
  --model vllm \
  --model_args $MODEL_ARGS \
  --tasks openllm \
  --batch_size auto

💻 使用例

基本的な使用法

transformers でこのモデルを使用するには、パッケージをGemma3の安定リリースに更新します。

pip install git+https://github.com/huggingface/transformers@v4.49.0-Gemma-3

vLLM でこのモデルを使用するには、パッケージをこの PR 以降のバージョンに更新します。

以下は、transformers を介した推論の例です。

# pip install accelerate

from transformers import AutoProcessor, Gemma3ForConditionalGeneration
from PIL import Image
import requests
import torch

model_id = "ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g"

model = Gemma3ForConditionalGeneration.from_pretrained(
    model_id, device_map="auto"
).eval()

processor = AutoProcessor.from_pretrained(model_id)

messages = [
    {
        "role": "system",
        "content": [{"type": "text", "text": "You are a helpful assistant."}]
    },
    {
        "role": "user",
        "content": [
            {"type": "image", "image": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee.jpg"},
            {"type": "text", "text": "Describe this image in detail."}
        ]
    }
]

inputs = processor.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=True,
    return_dict=True, return_tensors="pt"
).to(model.device, dtype=torch.bfloat16)

input_len = inputs["input_ids"].shape[-1]

with torch.inference_mode():
    generation = model.generate(**inputs, max_new_tokens=100, do_sample=False)
    generation = generation[0][input_len:]

decoded = processor.decode(generation, skip_special_tokens=True)
print(decoded)

# **全体的な印象:** この画像は、活気ある庭のシーンを切り取ったもので、ピンクのコスモスの花と忙しいマルハナバチが焦点になっています。
# やや柔らかく自然な雰囲気があり、おそらく昼間に撮影されたものです。

📄 ライセンス

gemma