🚀 Gemma 3模型微调项目

本项目支持使用Unsloth对Gemma 3模型进行微调，可免费使用Google Colab notebook进行微调操作。同时提供了Gemma 3模型的详细信息，包括模型描述、输入输出、训练数据、评估结果等，帮助用户更好地了解和使用该模型。

🚀 快速开始

• 点击 此处 免费使用Google Colab notebook对Gemma 3 (12B) 进行微调。
• 阅读我们关于支持Gemma 3的博客：unsloth.ai/blog/gemma3。
• 在 此处 查看我们的其他notebook。
• 可以将微调后的模型导出为GGUF、Ollama、llama.cpp或HF格式。

相关链接

• 查看 我们的集合 获取包括GGUF、4位和16位格式在内的所有版本的Gemma 3。
• Unsloth的 动态量化 是选择性量化的，与标准4位量化相比，大大提高了准确性。

社区与文档

• Unsloth官网
• Discord社区
• 文档说明

✨ 主要特性

• 多模态处理：Gemma 3模型是多模态的，能够处理文本和图像输入，并生成文本输出。
• 大上下文窗口：拥有128K的大上下文窗口，支持超过140种语言。
• 开放权重：预训练变体和指令调优变体的权重均开放。
• 广泛应用：适用于各种文本生成和图像理解任务，如问答、摘要和推理。
• 资源友好：相对较小的模型尺寸使其能够在资源有限的环境中部署，如笔记本电脑、台式机或自有云基础设施。

📚 详细文档

模型信息

描述

Gemma是谷歌推出的一系列轻量级、最先进的开放模型，基于与创建Gemini模型相同的研究和技术构建。Gemma 3模型是多模态的，能够处理文本和图像输入，并生成文本输出。预训练变体和指令调优变体的权重均开放。Gemma 3拥有128K的大上下文窗口，支持超过140种语言，并且比以前的版本有更多的尺寸可供选择。该模型适用于各种文本生成和图像理解任务，如问答、摘要和推理。其相对较小的尺寸使其能够在资源有限的环境中部署，如笔记本电脑、台式机或自有云基础设施，使更多人能够使用最先进的AI模型，促进创新。

输入和输出

• 输入：
  • 文本字符串，如问题、提示或待总结的文档。
  • 图像，归一化为896 x 896分辨率，每个图像编码为256个令牌。
  • 4B、12B和27B尺寸的总输入上下文为128K令牌，1B尺寸的总输入上下文为32K令牌。
• 输出：
  • 针对输入生成的文本，如问题的答案、图像内容的分析或文档的摘要。
  • 总输出上下文为8192个令牌。

引用

@article{gemma_2025,
    title={Gemma 3},
    url={https://goo.gle/Gemma3Report},
    publisher={Kaggle},
    author={Gemma Team},
    year={2025}
}

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14万亿个令牌进行训练，12B模型使用12万亿个令牌进行训练，4B模型使用4万亿个令牌进行训练，1B模型使用2万亿个令牌进行训练。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。训练数据集包含超过140种语言的内容。
• 代码：让模型接触代码有助于学习编程语言的语法和模式，提高生成代码和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、符号表示和解决数学查询。
• 图像：广泛的图像使模型能够执行图像分析和视觉数据提取任务。

这些多样化数据源的组合对于训练一个强大的多模态模型至关重要，该模型能够处理各种不同的任务和数据格式。

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：作为使Gemma预训练模型安全可靠的一部分，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。

实现信息

硬件

Gemma使用 张量处理单元 (TPU) 硬件（TPUv4p、TPUv5p和TPUv5e）进行训练。训练视觉语言模型 (VLM) 需要大量的计算能力。TPU专门为机器学习中常见的矩阵运算而设计，在这个领域具有以下优势：

• 性能：TPU专门用于处理训练VLM涉及的大量计算，与CPU相比，可以大大加快训练速度。
• 内存：TPU通常配备大量的高带宽内存，允许在训练期间处理大型模型和批量大小，这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日益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，以实现更快、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可以为训练大型模型提供更具成本效益的解决方案，特别是考虑到节省的时间和资源。
• 这些优势符合 谷歌的可持续运营承诺。

软件

使用 JAX 和 ML Pathways 进行训练。

JAX允许研究人员利用最新一代的硬件（包括TPU）来更快、更高效地训练大型模型。ML Pathways是谷歌为构建能够跨多个任务进行泛化的人工智能系统所做的最新努力，特别适用于基础模型，包括像这样的大型语言模型。

JAX和ML Pathways的结合使用在 关于Gemini系列模型的论文 中有描述：“Jax和Pathways的‘单控制器’编程模型允许单个Python进程编排整个训练过程，大大简化了开发工作流程。”

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，以涵盖文本生成的不同方面。

推理和事实性

STEM和代码

多语言

多模态

伦理与安全

评估方法

我们的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：

• 儿童安全：评估文本到文本和图像到文本的提示，涵盖儿童安全政策，包括儿童性虐待和剥削。
• 内容安全：评估文本到文本和图像到文本的提示，涵盖安全政策，包括骚扰、暴力和血腥内容以及仇恨言论。
• 代表性伤害：评估文本到文本和图像到文本的提示，涵盖安全政策，包括偏见、刻板印象和有害关联或不准确信息。

除了开发阶段的评估，我们还进行“保证评估”，这是我们的“独立”内部评估，用于责任治理决策。这些评估与模型开发团队分开进行，以提供有关发布的决策信息。高层发现会反馈给模型团队，但提示集被保留，以防止过拟合并保持结果为决策提供信息的能力。保证评估结果作为发布审查的一部分报告给我们的责任与安全委员会。

评估结果

在所有安全测试领域，与之前的Gemma模型相比，我们在儿童安全、内容安全和代表性伤害类别中看到了重大改进。所有测试均在没有安全过滤器的情况下进行，以评估模型的能力和行为。对于文本到文本和图像到文本，以及所有模型尺寸，模型产生的政策违规最少，并且在无根据的推断方面比之前的Gemma模型表现出显著改进。我们评估的一个局限性是只包括英语提示。

使用和限制

预期用途

开放视觉语言模型 (VLM) 在各个行业和领域有广泛的应用。以下潜在用途列表并不全面，目的是提供有关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。

• 内容创建和通信：
  • 文本生成：这些模型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。
  • 图像数据提取：这些模型可用于提取、解释和总结视觉数据，用于文本通信。
• 研究和教育：
  • 自然语言处理 (NLP) 和VLM研究：这些模型可以作为研究人员试验VLM和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，帮助进行语法纠正或提供写作建议。

模型相关信息表格

重要提示

⚠️ 重要提示

我们的评估仅包括英语提示，在其他语言使用时可能存在一定局限性。

💡 使用建议

在使用模型时，建议根据具体任务和需求选择合适的模型尺寸，并结合实际情况进行微调，以获得更好的性能。同时，要注意遵守相关的伦理和安全政策。