Gemma 3n E4B It Litert Preview GGUF

🚀 Gemma-3n-E4B-it-litert-preview模型

Gemma-3n-E4B-it-litert-preview是基於Google的Gemma 3n模型微調的版本，支持圖像和文本輸入並生成文本輸出，適用於多模態任務。

🚀 快速開始

模型信息

重要提示

⚠️ 重要提示

此模型是從google/gemma-3n-E4B-it更新而來。

學習與使用指南

• 運行與微調指南：瞭解如何正確運行和微調Gemma 3n。
• 模型版本集合：查看所有版本的Gemma 3n，包括GGUF、4位和16位格式。
• 性能優勢：Unsloth Dynamic 2.0在量化模型中實現了最優的準確性和性能。

社區鏈接

• Unsloth GitHub
• Unsloth Discord
• Gemma 3n文檔

使用說明

• 當前支持：目前僅支持文本輸入。
• Ollama運行命令：ollama run hf.co/unsloth/gemma-3n-E4B-it:Q4_K_XL ，該命令會自動設置正確的聊天模板和參數。
• 參數設置：建議設置溫度為1.0，top_k為64，top_p為0.95，min_p為0.0。
• 最大令牌數：Gemma 3n的最大上下文長度為32K令牌。
• 聊天模板示例：

<bos><start_of_turn>user\nHello!<end_of_turn>\n<start_of_turn>model\nHey there!<end_of_turn>\n<start_of_turn>user\nWhat is 1+1?<end_of_turn>\n<start_of_turn>model\n

• 詳細指南：查看詳細使用指南。

免費微調

• 免費微調Gemma 3n (4B)：使用Google Colab筆記本。
• 博客文章：閱讀關於Gemma 3n支持的博客。
• 更多筆記本：查看其他筆記本。

Unsloth支持的模型及優勢

模型卡片

• 模型頁面：Gemma 3n
• 資源與技術文檔：
  • 負責任的生成式AI工具包
  • Kaggle上的Gemma
  • HuggingFace上的Gemma
  • Vertex模型庫中的Gemma
• 使用條款：條款
• 作者：Google DeepMind

✨ 主要特性

模型概述

Gemma是Google推出的輕量級、最先進的開源模型系列，基於與Gemini模型相同的研究和技術構建。Gemma 3n模型專為在低資源設備上高效運行而設計，支持多模態輸入，包括文本、圖像、視頻和音頻，並生成文本輸出。預訓練和指令微調版本的模型權重開放，且使用了超過140種語言的數據進行訓練。

輸入輸出

• 輸入：
  • 文本字符串，如問題、提示或待總結的文檔。
  • 圖像，歸一化為256x256、512x512或768x768分辨率，並編碼為每個256個令牌。
  • 音頻數據，單通道每秒編碼為6.25個令牌。
  • 總輸入上下文為32K令牌。
• 輸出：
  • 針對輸入生成的文本，如問題的答案、圖像內容分析或文檔摘要。
  • 總輸出長度最多為32K令牌，減去請求輸入的令牌數。

📦 安裝指南

首先，安裝Transformers庫。Gemma 3n從transformers 4.53.0版本開始支持。

$ pip install -U transformers

💻 使用示例

基礎用法

使用pipeline API初始化模型和處理器進行推理：

from transformers import pipeline
import torch
pipe = pipeline(
    "image-text-to-text",
    model="google/gemma-3n-e4b-it",
    device="cuda",
    torch_dtype=torch.bfloat16,
)

高級用法

對於指令微調模型，需要先使用聊天模板處理輸入，然後傳遞給pipeline：

messages = [
    {
        "role": "system",
        "content": [{"type": "text", "text": "You are a helpful assistant."}]
    },
    {
        "role": "user",
        "content": [
            {"type": "image", "url": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/p-blog/candy.JPG"},
            {"type": "text", "text": "What animal is on the candy?"}
        ]
    }
]
output = pipe(text=messages, max_new_tokens=200)
print(output[0]["generated_text"][-1]["content"])
# Okay, let's take a look!
# Based on the image, the animal on the candy is a **turtle**.
# You can see the shell shape and the head and legs.

在單個GPU上運行模型

from transformers import AutoProcessor, Gemma3nForConditionalGeneration
from PIL import Image
import requests
import torch
model_id = "google/gemma-3n-e4b-it"
model = Gemma3nForConditionalGeneration.from_pretrained(model_id, device_map="auto", torch_dtype=torch.bfloat16,).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)
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.

📚 詳細文檔

模型數據

訓練數據集

這些模型在包含約11萬億令牌的多樣化數據集上進行訓練，訓練數據的知識截止日期為2024年6月。主要組成部分包括：

• 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，訓練數據集包含超過140種語言的內容。
• 代碼：讓模型接觸代碼有助於學習編程語言的語法和模式，提高生成代碼和理解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、符號表示和解決數學查詢。
• 圖像：廣泛的圖像數據使模型能夠執行圖像分析和視覺數據提取任務。
• 音頻：多樣化的聲音樣本使模型能夠識別語音、從錄音中轉錄文本並識別音頻數據中的信息。

數據預處理

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嚴格的CSAM（兒童性虐待材料）過濾，確保排除有害和非法內容。
• 敏感數據過濾：作為使Gemma預訓練模型安全可靠的一部分，使用自動化技術從訓練集中過濾出某些個人信息和其他敏感數據。
• 其他方法：根據我們的政策進行內容質量和安全性過濾。

實現信息

硬件

Gemma使用張量處理單元 (TPU)硬件（TPUv4p、TPUv5p和TPUv5e）進行訓練。訓練生成式模型需要大量的計算能力，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專門用於處理訓練生成式模型涉及的大量計算，與CPU相比可以顯著加速訓練。
• 內存：TPU通常配備大量高帶寬內存，允許在訓練期間處理大型模型和批量大小，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，可以跨多個TPU設備分佈訓練以實現更快、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可以為訓練大型模型提供更具成本效益的解決方案，特別是考慮到更快的訓練節省的時間和資源。

軟件

訓練使用JAX和ML Pathways進行。JAX允許研究人員利用最新一代的硬件（包括TPU）進行更快、更高效的大型模型訓練。ML Pathways是Google構建能夠跨多個任務進行泛化的人工智能系統的最新努力，特別適用於基礎模型，包括此類大型語言模型。

評估

基準測試結果

這些模型在全精度（float32）下針對大量不同的數據集和指標進行評估，以涵蓋內容生成的不同方面。標記為IT的評估結果是針對指令微調模型，標記為PT的評估結果是針對預訓練模型。

推理與事實性

多語言

STEM與代碼

其他基準測試

倫理與安全

評估方法

我們的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評估，包括：

• 兒童安全：評估文本到文本和圖像到文本的提示，涵蓋兒童安全政策，包括兒童性虐待和剝削。
• 內容安全：評估文本到文本和圖像到文本的提示，涵蓋安全政策，包括騷擾、暴力和血腥內容以及仇恨言論。
• 代表性危害：評估文本到文本和圖像到文本的提示，涵蓋安全政策，包括偏見、刻板印象和有害關聯或不準確信息。

除了開發階段的評估，我們還進行“保證評估”，這是我們獨立的內部評估，用於責任治理決策。這些評估與模型開發團隊分開進行，以提供決策依據。

引用

@article{gemma_3n_2025,
    title={Gemma 3n},
    url={https://ai.google.dev/gemma/docs/gemma-3n},
    publisher={Google DeepMind},
    author={Gemma Team},
    year={2025}
}

📄 許可證

本模型使用gemma許可證。