Gemma 3 12b It FP8 Dynamic

🚀 gemma-3-12b-it-FP8-Dynamic

このモデルは、google/gemma-3-12b-it をFP8データ型に量子化したもので、vLLM >= 0.5.2での推論に対応しています。

🚀 クイックスタート

このセクションでは、モデルの概要、デプロイ方法、作成方法、評価結果について説明します。

✨ 主な機能

• モデルアーキテクチャ: gemma-3-12b-it
  • 入力: ビジョン・テキスト
  • 出力: テキスト
• モデル最適化:
  • 重み量子化: FP8
  • 活性化量子化: FP8
• リリース日: 2025年2月24日
• バージョン: 1.0
• モデル開発者: Neural Magic

📦 インストール

このモデルを使用するには、vLLM バックエンドを使用して効率的にデプロイできます。以下のコード例を参照してください。

💻 使用例

基本的な使用法

from vllm import LLM, SamplingParams
from vllm.assets.image import ImageAsset
from transformers import AutoProcessor

# Define model name once
model_name = "RedHatAI/gemma-3-12b-it-FP8-dynamic"

# Load image and processor
image = ImageAsset("cherry_blossom").pil_image.convert("RGB")
processor = AutoProcessor.from_pretrained(model_name, trust_remote_code=True)

# Build multimodal prompt
chat = [
    {"role": "user", "content": [{"type": "image"}, {"type": "text", "text": "What is the content of this image?"}]},
    {"role": "assistant", "content": []}
]
prompt = processor.apply_chat_template(chat, add_generation_prompt=True)

# Initialize model
llm = LLM(model=model_name, trust_remote_code=True)

# Run inference
inputs = {"prompt": prompt, "multi_modal_data": {"image": [image]}}
outputs = llm.generate(inputs, SamplingParams(temperature=0.2, max_tokens=64))

# Display result
print("RESPONSE:", outputs[0].outputs[0].text)

vLLMはOpenAI互換のサービングもサポートしています。詳細は ドキュメント を参照してください。

📚 ドキュメント

モデルの作成

このモデルは llm-compressor を使用して作成されました。以下のコードスニペットを参照してください。

import requests
import torch
from PIL import Image
from transformers import AutoProcessor, Gemma3ForConditionalGeneration
from llmcompressor.transformers import oneshot
from llmcompressor.modifiers.quantization import QuantizationModifier

# Load model.
model_id = google/gemma-3-12b-it
model = Gemma3ForConditionalGeneration.from_pretrained(
    model_id, device_map="auto", torch_dtype="auto"
)
processor = AutoProcessor.from_pretrained(model_id, trust_remote_code=True)

# Recipe
recipe = [
    QuantizationModifier(
        targets="Linear",
        scheme="FP8_DYNAMIC",
        sequential_targets=["Gemma3DecoderLayer"],
        ignore=["re:.*lm_head", "re:vision_tower.*", "re:multi_modal_projector.*"],
    ),
]

SAVE_DIR=f"{model_id.split('/')[1]}-FP8-Dynamic"

# Perform oneshot
oneshot(
    model=model,
    recipe=recipe,
    trust_remote_code_model=True,
    output_dir=SAVE_DIR
)

モデルの評価

このモデルは lm_evaluation_harness を使用してOpenLLM v1テキストベンチマークで評価されました。評価は以下のコマンドを使用して行われました。

lm_eval \
  --model vllm \
  --model_args pretrained="<model_name>",dtype=auto,add_bos_token=True,max_model_len=4096,tensor_parallel_size=<n>,gpu_memory_utilization=0.8,enable_chunked_prefill=True,trust_remote_code=True,enforce_eager=True \
  --tasks openllm \
  --batch_size auto

精度

📄 ライセンス

このモデルは Apache-2.0 ライセンスの下で提供されています。