🚀 gemma-3-27b-it-GPTQ-4b-128g
本項目是對gemma-3-27b-it
模型進行量化處理後得到的模型,通過將權重量化為INT4數據類型,有效減少了磁盤空間和GPU內存需求,同時提供了模型評估結果、復現命令以及使用示例,方便用戶使用和驗證模型性能。
✨ 主要特性
- 量化優化:將gemma-3-27b-it模型的權重量化為INT4數據類型,每個參數的比特數從16位減少到4位,磁盤大小和GPU內存需求約降低75%。
- 部分量化:僅對
language_model
變壓器塊內的線性算子權重進行量化,視覺模型和多模態投影保持原始精度。
- 量化方案:採用對稱分組方案進行權重量化,組大小為128,並應用GPTQ算法。
- 模型保存格式:模型檢查點以compressed_tensors格式保存。
📚 詳細文檔
模型評估
本模型在OpenLLM v1基準測試中進行了評估,使用vLLM
引擎生成模型輸出。評估結果如下:
模型 |
ArcC |
GSM8k |
Hellaswag |
MMLU |
TruthfulQA - mc2 |
Winogrande |
平均值 |
恢復率 |
gemma - 3 - 27b - it |
0.7491 |
0.9181 |
0.8582 |
0.7742 |
0.6222 |
0.7908 |
0.7854 |
1.0000 |
gemma - 3 - 27b - it - INT4 (本模型) |
0.7415 |
0.9174 |
0.8496 |
0.7662 |
0.6160 |
0.7956 |
0.7810 |
0.9944 |
結果復現
使用以下命令可復現上述評估結果:
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
💻 使用示例
基礎用法
若要在transformers
中使用該模型,需將包更新到Gemma3的穩定版本:
pip install git+https://github.com/huggingface/transformers@v4.49.0-Gemma-3
若要在vLLM
中使用該模型,需將包更新到此PR之後的版本。
以下是通過transformers
進行推理的示例代碼:
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)
📄 許可證
本模型的許可證為gemma。