Gemma 3 4b It GPTQ 4b 128g

🚀 gemma-3-4b-it-GPTQ-4b-128g

このモデルは、gemma-3-4b-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、パラメータあたりのビット数が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。

🚀 クイックスタート

このモデルは、gemma-3-4b-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、パラメータあたりのビット数が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。

✨ 主な機能

モデル概要

このモデルは、gemma-3-4b-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、パラメータあたりのビット数が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のままです。重みは、グループサイズ128の対称的なグループごとのスキームを使用して量子化されます。量子化にはGPTQアルゴリズムが適用されます。

モデルの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 エンジンを使用して生成されました。

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-3-4b-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-3-4b-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)

# **Overall Impression:** The image is a close-up shot of a vibrant garden scene, 
# focusing on a cluster of pink cosmos flowers and a busy bumblebee. 
# It has a slightly soft, natural feel, likely captured in daylight.

📄 ライセンス

gemma