Gemma 3 12b It GPTQ 4b 128g

🚀 gemma-3-12b-it-GPTQ-4b-128g

本项目是对gemma-3-12b-it模型进行量化处理得到的GPTQ模型，将模型权重量化为INT4数据类型，有效减少了磁盘空间和GPU内存需求。同时提供了模型评估结果、复现命令以及使用示例，方便用户快速上手。

🚀 快速开始

安装依赖

• 若要在transformers中使用该模型，需将包更新到Gemma3的稳定版本：

  pip install git+https://github.com/huggingface/transformers@v4.49.0-Gemma-3
  

• 若要在vLLM中使用该模型，需将包更新到此PR之后的版本。

推理示例

# pip install accelerate

from transformers import AutoProcessor, Gemma3ForConditionalGeneration
from PIL import Image
import requests
import torch

model_id = "ISTA-DASLab/gemma-3-12b-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.

✨ 主要特性

• 量化优化：将gemma-3-12b-it模型的权重量化为INT4数据类型，将每个参数的位数从16位减少到4位，磁盘大小和GPU内存需求约降低75%。
• 部分量化：仅对language_model变换器块内的线性算子的权重进行量化，视觉模型和多模态投影保持原始精度。
• 量化方案：使用对称分组方案进行权重量化，组大小为128，并应用GPTQ算法进行量化。
• 模型格式：模型检查点以compressed_tensors格式保存。

📚 详细文档

模型概述

本模型是通过将gemma-3-12b-it的权重量化为INT4数据类型得到的。这种优化将每个参数的位数从16位减少到4位，使磁盘大小和GPU内存需求大约降低了75%。

仅对language_model变换器块内的线性算子的权重进行量化，视觉模型和多模态投影保持原始精度。权重使用对称分组方案进行量化，组大小为128，并应用GPTQ算法进行量化。

模型检查点以compressed_tensors格式保存。

评估

本模型在OpenLLM v1基准测试中进行了评估，模型输出使用vLLM引擎生成。

复现

可使用以下命令复现评估结果：

MODEL=ISTA-DASLab/gemma-3-12b-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

📄 许可证

本模型的许可证为gemma。