模型简介
模型特点
模型能力
使用案例
🚀 Gemma 2模型卡片
Gemma 2是谷歌推出的轻量级、最先进的开源模型家族,基于与Gemini模型相同的研究和技术构建。它适用于多种文本生成任务,能在资源有限的环境中部署,推动了先进AI模型的普及。
🚀 快速开始
要在Hugging Face上使用Gemma,你需要审查并同意Google的使用许可。请确保你已登录Hugging Face,然后点击下方按钮。请求将立即处理。
模型页面:Gemma
资源和技术文档:
使用条款:条款
作者:Google
✨ 主要特性
Gemma是谷歌推出的轻量级、最先进的开源模型家族,基于与Gemini模型相同的研究和技术构建。它是仅解码器的大语言模型,提供预训练和指令调优两种变体的开放权重,适用于多种文本生成任务,如问答、摘要和推理。由于其相对较小的规模,可在资源有限的环境中部署。
📦 安装指南
首先,使用以下命令安装Transformers库:
pip install -U transformers
💻 使用示例
基础用法
使用pipeline
API运行
import torch
from transformers import pipeline
pipe = pipeline(
"text-generation",
model="google/gemma-2-27b",
device="cuda", # 若在Mac设备上运行,将其替换为 "mps"
)
text = "Once upon a time,"
outputs = pipe(text, max_new_tokens=256)
response = outputs[0]["generated_text"]
print(response)
在单GPU或多GPU上运行模型
# 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]))
通过CLI运行模型
local-gemma 仓库包含一个围绕Transformers的轻量级包装器,用于通过命令行界面(CLI)运行Gemma 2。按照安装说明开始使用,然后通过以下命令启动CLI:
local-gemma --model "google/gemma-2-27b" --prompt "What is the capital of Mexico?"
通过bitsandbytes
使用量化版本
使用8位精度(int8)
# 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]))
使用4位精度
# 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]))
高级用法
Torch编译
Torch编译 是一种加速PyTorch模块推理的方法。通过利用Torch编译,Gemma - 2模型的运行速度可提高多达6倍。
请注意,在实现全推理速度之前,需要进行两个预热步骤:
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")
# 加载模型和分词器
tokenizer = AutoTokenizer.from_pretrained("google/gemma-2-27b")
model = Gemma2ForCausalLM.from_pretrained("google/gemma-2-27b", torch_dtype=torch.bfloat16)
model.to("cuda")
# 应用Torch编译转换
model.forward = torch.compile(model.forward, mode="reduce-overhead", fullgraph=True)
# 预处理输入
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]
# 设置键值缓存
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
)
# 启用将键值缓存传递给生成函数
model._supports_cache_class = True
model.generation_config.cache_implementation = None
# 两个预热步骤
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()
# 快速运行
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))
更多详细信息,请参考Transformers文档。
📚 详细文档
输入和输出
- 输入:文本字符串,如问题、提示或待总结的文档。
- 输出:针对输入生成的英文文本,如问题的答案或文档的摘要。
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}
}
🔧 技术细节
硬件
Gemma使用最新一代的张量处理单元(TPU)硬件(TPUv5p)进行训练。训练大语言模型需要强大的计算能力,TPU专为机器学习中常见的矩阵运算而设计,具有以下优势:
- 性能:TPU专门用于处理训练大语言模型所需的大量计算,与CPU相比,可显著加速训练过程。
- 内存:TPU通常配备大量高带宽内存,能够在训练过程中处理大型模型和批量数据,有助于提高模型质量。
- 可扩展性:TPU Pod(大型TPU集群)为处理大型基础模型的不断增长的复杂性提供了可扩展的解决方案。可以在多个TPU设备上分布训练,实现更快、更高效的处理。
- 成本效益:在许多情况下,与基于CPU的基础设施相比,TPU为训练大型模型提供了更具成本效益的解决方案,尤其是考虑到更快的训练速度所节省的时间和资源。
- 这些优势与谷歌的可持续运营承诺相一致。
软件
使用JAX和ML Pathways进行训练。JAX使研究人员能够利用最新一代的硬件(包括TPU),实现大型模型的更快、更高效训练。ML Pathways是谷歌构建能够跨多个任务进行泛化的人工智能系统的最新成果,特别适用于基础模型,包括此类大语言模型。
模型数据
训练数据集
这些模型在包含多种来源的文本数据集上进行训练。27B模型使用13万亿个标记进行训练,9B模型使用8万亿个标记进行训练。主要数据来源包括:
- 网页文档:多样化的网页文本集合,确保模型接触到广泛的语言风格、主题和词汇,主要为英文内容。
- 代码:让模型接触代码有助于学习编程语言的语法和模式,提高生成代码或理解与代码相关问题的能力。
- 数学:在数学文本上进行训练,有助于模型学习逻辑推理、符号表示和处理数学查询。
这些多样化数据源的结合对于训练一个能够处理各种不同任务和文本格式的强大语言模型至关重要。
数据预处理
对训练数据应用了以下关键的数据清理和过滤方法:
- CSAM过滤:在数据准备过程的多个阶段应用了严格的CSAM(儿童性虐待材料)过滤,以确保排除有害和非法内容。
- 敏感数据过滤:为了使Gemma预训练模型安全可靠,使用自动化技术从训练集中过滤掉某些个人信息和其他敏感数据。
- 其他方法:根据内容质量和安全性进行过滤,符合我们的政策。
评估
基准测试结果
这些模型针对大量不同的数据集和指标进行了评估,以涵盖文本生成的各个方面:
基准测试 | 指标 | Gemma PT 9B | Gemma PT 27B |
---|---|---|---|
MMLU | 5-shot, top-1 | 71.3 | 75.2 |
HellaSwag | 10-shot | 81.9 | 86.4 |
PIQA | 0-shot | 81.7 | 83.2 |
SocialIQA | 0-shot | 53.4 | 53.7 |
BoolQ | 0-shot | 84.2 | 84.8 |
WinoGrande | 部分得分 | 80.6 | 83.7 |
ARC-e | 0-shot | 88.0 | 88.6 |
ARC-c | 25-shot | 68.4 | 71.4 |
TriviaQA | 5-shot | 76.6 | 83.7 |
Natural Questions | 5-shot | 29.2 | 34.5 |
HumanEval | pass@1 | 40.2 | 51.8 |
MBPP | 3-shot | 52.4 | 62.6 |
GSM8K | 5-shot, maj@1 | 68.6 | 74.0 |
MATH | 4-shot | 36.6 | 42.3 |
AGIEval | 3 - 5-shot | 52.8 | 55.1 |
BIG - Bench | 3-shot, CoT | 68.2 | 74.9 |
伦理与安全
评估方法
评估方法包括结构化评估和对相关内容政策的内部红队测试。红队测试由多个不同的团队进行,每个团队有不同的目标和人工评估指标。这些模型针对与伦理和安全相关的多个不同类别进行了评估,包括:
- 文本到文本内容安全:对涵盖安全政策(包括儿童性虐待和剥削、骚扰、暴力和血腥以及仇恨言论)的提示进行人工评估。
- 文本到文本代表性危害:针对相关学术数据集(如WinoBias和BBQ数据集)进行基准测试。
- 记忆:对训练数据的记忆进行自动化评估,包括个人身份信息暴露的风险。
- 大规模危害:测试“危险能力”,如化学、生物、放射性和核(CBRN)风险。
评估结果
伦理和安全评估的结果在可接受的阈值范围内,符合内部政策中关于儿童安全、内容安全、代表性危害、记忆和大规模危害等类别。除了强大的内部评估外,还展示了知名安全基准测试(如BBQ、BOLD、Winogender、Winobias、RealToxicity和TruthfulQA)的结果。
Gemma 2.0
基准测试 | 指标 | Gemma 2 IT 9B | Gemma 2 IT 27B |
---|---|---|---|
RealToxicity | 平均值 | 8.25 | 8.84 |
CrowS - Pairs | top - 1 | 37.47 | 36.67 |
BBQ Ambig | 1-shot, top - 1 | 88.58 | 85.99 |
BBQ Disambig | top - 1 | 82.67 | 86.94 |
Winogender | top - 1 | 79.17 | 77.22 |
TruthfulQA | 50.27 | 51.60 | |
Winobias 1_2 | 78.09 | 81.94 | |
Winobias 2_2 | 95.32 | 97.22 | |
Toxigen | 39.30 | 38.42 |
使用与限制
预期用途
开源大语言模型(LLM)在各个行业和领域有广泛的应用。以下是一些可能的用途,但并不全面,旨在提供模型创建者在模型训练和开发过程中考虑的可能用例的上下文信息。
- 内容创作与通信
- 文本生成:可用于生成创意文本格式,如诗歌、脚本、代码、营销文案和电子邮件草稿。
- 聊天机器人和对话式AI:为客户服务、虚拟助手或交互式应用程序提供对话界面。
- 文本摘要:生成文本语料库、研究论文或报告的简洁摘要。
- 研究与教育
- 自然语言处理(NLP)研究:可作为研究人员试验NLP技术、开发算法和推动该领域发展的基础。
- 语言学习工具:支持交互式语言学习体验,辅助语法纠正或提供写作练习。
- 知识探索:帮助研究人员探索大量文本,通过生成摘要或回答特定主题的问题。
限制
- 训练数据
- 训练数据的质量和多样性显著影响模型的能力。训练数据中的偏差或差距可能导致模型响应的局限性。
- 训练数据集的范围决定了模型能够有效处理的主题领域。
- 上下文和任务复杂性
- 大语言模型更擅长可以用清晰提示和说明构建的任务。开放式或高度复杂的任务可能具有挑战性。
- 模型的性能可能受到提供的上下文量的影响(在一定范围内,更长的上下文通常会导致更好的输出)。
- 语言歧义与细微差别
- 自然语言本质上是复杂的。大语言模型可能难以理解微妙的细微差别、讽刺或比喻语言。
- 事实准确性
- 大语言模型根据从训练数据集中学到的信息生成响应,但它们不是知识库。可能会生成不正确或过时的事实陈述。
- 常识
- 大语言模型依赖于语言中的统计模式。在某些情况下,可能缺乏应用常识推理的能力。
伦理考虑与风险
大语言模型(LLM)的开发引发了一些伦理问题。在创建开源模型时,我们仔细考虑了以下方面:
- 偏差与公平性
- 在大规模真实世界文本数据上训练的大语言模型可能反映训练材料中嵌入的社会文化偏差。这些模型经过了仔细审查,在本卡片中描述了输入数据的预处理和后续评估。
- 错误信息与滥用
- 大语言模型可能被滥用来生成虚假、误导或有害的文本。
- 提供了模型负责任使用的指南,请参阅负责任的生成式AI工具包。
- 透明度与问责制
- 本模型卡片总结了模型的架构、能力、限制和评估过程的详细信息。
- 负责任开发的开源模型为跨AI生态系统的开发者和研究人员提供了分享创新的机会,使大语言模型技术更易获取。
已识别的风险与缓解措施
- 偏差的延续:鼓励在模型训练、微调等使用场景中进行持续监测(使用评估指标、人工审查),并探索去偏技术。
- 有害内容的生成:内容安全的机制和指南至关重要。鼓励开发者根据其特定的产品政策和应用用例谨慎行事,并实施适当的内容安全保障措施。
- 恶意用途的滥用:技术限制以及对开发者和最终用户的教育有助于减轻大语言模型的恶意应用。提供了教育资源和用户举报滥用的机制。Gemma模型的禁止使用情况在Gemma禁止使用政策中列出。
- 隐私侵犯:模型在经过过滤以去除个人身份信息(PII)的数据上进行训练。鼓励开发者遵守隐私法规,采用保护隐私的技术。
优势
在发布时,与同等规模的模型相比,这个模型家族提供了高性能的开源大语言模型实现,从底层设计就考虑了负责任的AI开发。使用本文档中描述的基准评估指标,这些模型表现出优于其他同等规模开源模型替代方案的性能。
📄 许可证
许可证:gemma



