Gemma 2 27b

🚀 Gemma 2模型卡片

Gemma 2是谷歌推出的輕量級、最先進的開源模型家族，基於與Gemini模型相同的研究和技術構建。它適用於多種文本生成任務，能在資源有限的環境中部署，推動了先進AI模型的普及。

🚀 快速開始

要在Hugging Face上使用Gemma，你需要審查並同意Google的使用許可。請確保你已登錄Hugging Face，然後點擊下方按鈕。請求將立即處理。

模型頁面：Gemma

資源和技術文檔：

• 負責任的生成式AI工具包
• Kaggle上的Gemma
• Vertex模型庫中的Gemma

使用條款：條款

作者：Google

✨ 主要特性

Gemma是谷歌推出的輕量級、最先進的開源模型家族，基於與Gemini模型相同的研究和技術構建。它是僅解碼器的大語言模型，提供預訓練和指令調優兩種變體的開放權重，適用於多種文本生成任務，如問答、摘要和推理。由於其相對較小的規模，可在資源有限的環境中部署。

📦 安裝指南

首先，使用以下命令安裝Transformers庫：

pip install -U transformers

💻 使用示例

基礎用法

使用pipeline API運行

import torch
from transformers import pipeline

pipe = pipeline(
    "text-generation",
    model="google/gemma-2-27b",
    device="cuda",  # 若在Mac設備上運行，將其替換為 "mps"
)

text = "Once upon a time,"
outputs = pipe(text, max_new_tokens=256)
response = outputs[0]["generated_text"]
print(response)

在單GPU或多GPU上運行模型

# pip install accelerate
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

tokenizer = AutoTokenizer.from_pretrained("google/gemma-2-27b")
model = AutoModelForCausalLM.from_pretrained(
    "google/gemma-2-27b",
    device_map="auto",
)

input_text = "Write me a poem about Machine Learning."
input_ids = tokenizer(input_text, return_tensors="pt").to("cuda")

outputs = model.generate(**input_ids, max_new_tokens=32)
print(tokenizer.decode(outputs[0]))

通過CLI運行模型

local-gemma 倉庫包含一個圍繞Transformers的輕量級包裝器，用於通過命令行界面（CLI）運行Gemma 2。按照安裝說明開始使用，然後通過以下命令啟動CLI：

local-gemma --model "google/gemma-2-27b" --prompt "What is the capital of Mexico?"

通過bitsandbytes使用量化版本

# pip install bitsandbytes accelerate
from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig

quantization_config = BitsAndBytesConfig(load_in_8bit=True)

tokenizer = AutoTokenizer.from_pretrained("google/gemma-2-27b")
model = AutoModelForCausalLM.from_pretrained(
    "google/gemma-2-27b",
    quantization_config=quantization_config,
)

input_text = "Write me a poem about Machine Learning."
input_ids = tokenizer(input_text, return_tensors="pt").to("cuda")

outputs = model.generate(**input_ids, max_new_tokens=32)
print(tokenizer.decode(outputs[0]))

# pip install bitsandbytes accelerate
from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig

quantization_config = BitsAndBytesConfig(load_in_4bit=True)

tokenizer = AutoTokenizer.from_pretrained("google/gemma-2-27b")
model = AutoModelForCausalLM.from_pretrained(
    "google/gemma-2-27b",
    quantization_config=quantization_config,
)

input_text = "Write me a poem about Machine Learning."
input_ids = tokenizer(input_text, return_tensors="pt").to("cuda")

outputs = model.generate(**input_ids, max_new_tokens=32)
print(tokenizer.decode(outputs[0]))

高級用法

import os
os.environ["TOKENIZERS_PARALLELISM"] = "false"

from transformers import AutoTokenizer, Gemma2ForCausalLM
from transformers.cache_utils import HybridCache
import torch

torch.set_float32_matmul_precision("high")

# 加載模型和分詞器
tokenizer = AutoTokenizer.from_pretrained("google/gemma-2-27b")
model = Gemma2ForCausalLM.from_pretrained("google/gemma-2-27b", torch_dtype=torch.bfloat16)
model.to("cuda")

# 應用Torch編譯轉換
model.forward = torch.compile(model.forward, mode="reduce-overhead", fullgraph=True)

# 預處理輸入
input_text = "The theory of special relativity states "
model_inputs = tokenizer(input_text, return_tensors="pt").to("cuda")
prompt_length = model_inputs.input_ids.shape[1]

# 設置鍵值緩存
past_key_values = HybridCache(
    config=model.config,
    max_batch_size=1,
    max_cache_len=model.config.max_position_embeddings,
    device=model.device,
    dtype=model.dtype
)

# 啟用將鍵值緩存傳遞給生成函數
model._supports_cache_class = True
model.generation_config.cache_implementation = None

# 兩個預熱步驟
for idx in range(2):
    outputs = model.generate(**model_inputs, past_key_values=past_key_values, do_sample=True, temperature=1.0, max_new_tokens=128)
    past_key_values.reset()

# 快速運行
outputs = model.generate(**model_inputs, past_key_values=past_key_values, do_sample=True, temperature=1.0, max_new_tokens=128)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

📚 詳細文檔

輸入和輸出

• 輸入：文本字符串，如問題、提示或待總結的文檔。
• 輸出：針對輸入生成的英文文本，如問題的答案或文檔的摘要。

引用

@article{gemma_2024,
    title={Gemma},
    url={https://www.kaggle.com/m/3301},
    DOI={10.34740/KAGGLE/M/3301},
    publisher={Kaggle},
    author={Gemma Team},
    year={2024}
}

🔧 技術細節

硬件

Gemma使用最新一代的張量處理單元（TPU）硬件（TPUv5p）進行訓練。訓練大語言模型需要強大的計算能力，TPU專為機器學習中常見的矩陣運算而設計，具有以下優勢：

• 性能：TPU專門用於處理訓練大語言模型所需的大量計算，與CPU相比，可顯著加速訓練過程。
• 內存：TPU通常配備大量高帶寬內存，能夠在訓練過程中處理大型模型和批量數據，有助於提高模型質量。
• 可擴展性：TPU Pod（大型TPU集群）為處理大型基礎模型的不斷增長的複雜性提供了可擴展的解決方案。可以在多個TPU設備上分佈訓練，實現更快、更高效的處理。
• 成本效益：在許多情況下，與基於CPU的基礎設施相比，TPU為訓練大型模型提供了更具成本效益的解決方案，尤其是考慮到更快的訓練速度所節省的時間和資源。
• 這些優勢與谷歌的可持續運營承諾相一致。

軟件

使用JAX和ML Pathways進行訓練。JAX使研究人員能夠利用最新一代的硬件（包括TPU），實現大型模型的更快、更高效訓練。ML Pathways是谷歌構建能夠跨多個任務進行泛化的人工智能系統的最新成果，特別適用於基礎模型，包括此類大語言模型。

模型數據

訓練數據集

這些模型在包含多種來源的文本數據集上進行訓練。27B模型使用13萬億個標記進行訓練，9B模型使用8萬億個標記進行訓練。主要數據來源包括：

• 網頁文檔：多樣化的網頁文本集合，確保模型接觸到廣泛的語言風格、主題和詞彙，主要為英文內容。
• 代碼：讓模型接觸代碼有助於學習編程語言的語法和模式，提高生成代碼或理解與代碼相關問題的能力。
• 數學：在數學文本上進行訓練，有助於模型學習邏輯推理、符號表示和處理數學查詢。

這些多樣化數據源的結合對於訓練一個能夠處理各種不同任務和文本格式的強大語言模型至關重要。

數據預處理

對訓練數據應用了以下關鍵的數據清理和過濾方法：

• CSAM過濾：在數據準備過程的多個階段應用了嚴格的CSAM（兒童性虐待材料）過濾，以確保排除有害和非法內容。
• 敏感數據過濾：為了使Gemma預訓練模型安全可靠，使用自動化技術從訓練集中過濾掉某些個人信息和其他敏感數據。
• 其他方法：根據內容質量和安全性進行過濾，符合我們的政策。

評估

基準測試結果

這些模型針對大量不同的數據集和指標進行了評估，以涵蓋文本生成的各個方面：

倫理與安全

評估方法

評估方法包括結構化評估和對相關內容政策的內部紅隊測試。紅隊測試由多個不同的團隊進行，每個團隊有不同的目標和人工評估指標。這些模型針對與倫理和安全相關的多個不同類別進行了評估，包括：

• 文本到文本內容安全：對涵蓋安全政策（包括兒童性虐待和剝削、騷擾、暴力和血腥以及仇恨言論）的提示進行人工評估。
• 文本到文本代表性危害：針對相關學術數據集（如WinoBias和BBQ數據集）進行基準測試。
• 記憶：對訓練數據的記憶進行自動化評估，包括個人身份信息暴露的風險。
• 大規模危害：測試“危險能力”，如化學、生物、放射性和核（CBRN）風險。

評估結果

倫理和安全評估的結果在可接受的閾值範圍內，符合內部政策中關於兒童安全、內容安全、代表性危害、記憶和大規模危害等類別。除了強大的內部評估外，還展示了知名安全基準測試（如BBQ、BOLD、Winogender、Winobias、RealToxicity和TruthfulQA）的結果。

Gemma 2.0

使用與限制

預期用途

開源大語言模型（LLM）在各個行業和領域有廣泛的應用。以下是一些可能的用途，但並不全面，旨在提供模型創建者在模型訓練和開發過程中考慮的可能用例的上下文信息。

• 內容創作與通信
  • 文本生成：可用於生成創意文本格式，如詩歌、腳本、代碼、營銷文案和電子郵件草稿。
  • 聊天機器人和對話式AI：為客戶服務、虛擬助手或交互式應用程序提供對話界面。
  • 文本摘要：生成文本語料庫、研究論文或報告的簡潔摘要。
• 研究與教育
  • 自然語言處理（NLP）研究：可作為研究人員試驗NLP技術、開發算法和推動該領域發展的基礎。
  • 語言學習工具：支持交互式語言學習體驗，輔助語法糾正或提供寫作練習。
  • 知識探索：幫助研究人員探索大量文本，通過生成摘要或回答特定主題的問題。

限制

• 訓練數據
  • 訓練數據的質量和多樣性顯著影響模型的能力。訓練數據中的偏差或差距可能導致模型響應的侷限性。
  • 訓練數據集的範圍決定了模型能夠有效處理的主題領域。
• 上下文和任務複雜性
  • 大語言模型更擅長可以用清晰提示和說明構建的任務。開放式或高度複雜的任務可能具有挑戰性。
  • 模型的性能可能受到提供的上下文量的影響（在一定範圍內，更長的上下文通常會導致更好的輸出）。
• 語言歧義與細微差別
  • 自然語言本質上是複雜的。大語言模型可能難以理解微妙的細微差別、諷刺或比喻語言。
• 事實準確性
  • 大語言模型根據從訓練數據集中學到的信息生成響應，但它們不是知識庫。可能會生成不正確或過時的事實陳述。
• 常識
  • 大語言模型依賴於語言中的統計模式。在某些情況下，可能缺乏應用常識推理的能力。

倫理考慮與風險

大語言模型（LLM）的開發引發了一些倫理問題。在創建開源模型時，我們仔細考慮了以下方面：

• 偏差與公平性
  • 在大規模真實世界文本數據上訓練的大語言模型可能反映訓練材料中嵌入的社會文化偏差。這些模型經過了仔細審查，在本卡片中描述了輸入數據的預處理和後續評估。
• 錯誤信息與濫用
  • 大語言模型可能被濫用來生成虛假、誤導或有害的文本。
  • 提供了模型負責任使用的指南，請參閱負責任的生成式AI工具包。
• 透明度與問責制
  • 本模型卡片總結了模型的架構、能力、限制和評估過程的詳細信息。
  • 負責任開發的開源模型為跨AI生態系統的開發者和研究人員提供了分享創新的機會，使大語言模型技術更易獲取。

已識別的風險與緩解措施

• 偏差的延續：鼓勵在模型訓練、微調等使用場景中進行持續監測（使用評估指標、人工審查），並探索去偏技術。
• 有害內容的生成：內容安全的機制和指南至關重要。鼓勵開發者根據其特定的產品政策和應用用例謹慎行事，並實施適當的內容安全保障措施。
• 惡意用途的濫用：技術限制以及對開發者和最終用戶的教育有助於減輕大語言模型的惡意應用。提供了教育資源和用戶舉報濫用的機制。Gemma模型的禁止使用情況在Gemma禁止使用政策中列出。
• 隱私侵犯：模型在經過過濾以去除個人身份信息（PII）的數據上進行訓練。鼓勵開發者遵守隱私法規，採用保護隱私的技術。

優勢

在發佈時，與同等規模的模型相比，這個模型家族提供了高性能的開源大語言模型實現，從底層設計就考慮了負責任的AI開發。使用本文檔中描述的基準評估指標，這些模型表現出優於其他同等規模開源模型替代方案的性能。

📄 許可證

許可證：gemma