导读

Gemma是由Google推出的一系列轻量级、先进的开源模型，他们是基于 Google Gemini 模型的研究和技术而构建。它们是一系列text generation，decoder-only的大型语言模型，对英文的支持较好，具有模型权重开源、并提供预训练版本（base模型）和指令微调版本（chat模型）。本次Gemma开源提供了四个大型语言模型，提供了 2B 和 7B 两种参数规模的版本，每种都包含了预训练版本（base模型）和指令微调版本（chat模型）。

 

官方除了提供pytorch版本之外，也提供了GGUF版本，可在各类消费级硬件上运行，无需数据量化处理，并拥有高达 8K tokens 的处理能力，Gemma 7B模型的预训练数据高达6万亿Token，也证明了通过大量的高质量数据训练，可以大力出奇迹，小模型也可以持续提升取得好的效果。

 

那Gemma模型的能力怎么样呢？下面是Gemma模型的基础版本与其他开源模型在公开榜单的对比：

 

 

数据来源https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard

 

从榜单中可以看到，Gemma-7B模型超过了Mistral-7B模型，取得了一个很好的结果。

 

技术报告链接：

https://storage.googleapis.com/deepmind-media/gemma/gemma-report.pdf

 

开源代码链接：

https://github.com/google/gemma_pytorch

 

目前魔搭社区已经支持 Gemma的下载、推理、微调一站式体验，并提供对应最佳实践教程，欢迎感兴趣的开发者小伙伴们来玩！

 

我们体验了Gemma指令微调后的模型，初步总结的如下的优点和可提升点：

 

优点	可提升点
英文表现强，逻辑推理能力较强	中文表现力较弱，偶尔会出现codeswitch情况
数学和代码能力不错	窗口长度为8K，在长窗口场景，比如论文分析，小说续写上，窗口长度略小。
	多轮效果不佳，可持续提升
	prompt template暂时不支持system role

 

定量分析（以gemma-2b-it为例，在公开数据集，使用客观方式评测）

 

模型	能力项	数据集	平均得分	能力评价
gemma-2b-it	数学	GSM8K	0.15	对于2B大小的模型来说，在GSM8K上的表现比较不错
中文知识推理	C-Eval	0.3358	中文推理能力中等偏下，有些场景无法很好的完成指令跟随和知识推理

• 备注：
  • 数据来源：使用LLM评估工具 https://github.com/modelscope/llmuses 生成评估结果
  • 数据集经过采样处理

 

总之，Gemma是非常好的基础模型，同时在中文和多轮上还有非常大的提升空间，期待社区开发者的积极反馈，同时期待中国开发者基于Gemma模型优化中文和多轮对话能力，在此基础上做出更好的模型。

 

Gemma模型体验

 

英文常识&推理问答能力，效果不错：

中文常识问答能力：

数学：确实不错，在四则运算和中文应用题解题上都能正确解答

四则运算

中文应用题

代码能力，试跑了2题，相对一般：

 

经典快排问题

最后输出排序结果不正确

 

 

代码执行结果，排序存在问题：

def quick_sort(arr, low, high):
    if low < high:
        partition_index = partition(arr, low, high)

        quick_sort(arr, low, partition_index - 1)
        quick_sort(arr, partition_index + 1, high)

def partition(arr, low, high):
    pivot_element = arr[high]
    i = low - 1

    for j in range(low, high):
        if arr[j] <= pivot_element:
            i += 1

    arr[i + 1], arr[high] = arr[high], arr[i + 1]

    return i + 1

# Example usage
arr = [5, 3, 8, 2, 4, 7, 1, 9]
quick_sort(arr, 0, len(arr) - 1)
print(arr)
# [1, 2, 3, 8, 5, 4, 7, 9]

 

用Java实现N皇后问题求解

测试该程序无法运行

 

多轮对话能力，比较一般：

 

环境配置与安装

 

1. python 3.10及以上版本
2. pytorch 1.12及以上版本，推荐2.0及以上版本
3. 建议使用CUDA 11.4及以上
4. transformers>=4.38.0

 

可以使用魔搭社区的免费算力：

 

 

Gemma模型链接和下载

 

Gemma模型系列现已在ModelScope社区开源，包括：

 

Gemma-2b：

https://modelscope.cn/models/AI-ModelScope/gemma-2b

 

Gemma-2b-it：

https://modelscope.cn/models/AI-ModelScope/gemma-2b-it

 

Gemma-7b：

https://modelscope.cn/models/AI-ModelScope/gemma-7b

 

Gemma-7b-it：

https://modelscope.cn/models/AI-ModelScope/gemma-7b-it

 

体验链接：

https://modelscope.cn/studios/AI-ModelScope/google-gemma-demo/summary

 

社区支持直接下载模型的repo：

from modelscope import snapshot_download
model_dir = snapshot_download("AI-ModelScope/gemma-7b-it")

Gemma模型推理

Gemma-7b-it推理代码：

需要使用tokenizer.apply_chat_template获取指令微调模型的prompt template：

from modelscope import AutoTokenizer, AutoModelForCausalLM
import torch

tokenizer = AutoTokenizer.from_pretrained("AI-ModelScope/gemma-7b-it")
model = AutoModelForCausalLM.from_pretrained("AI-ModelScope/gemma-7b-it", torch_dtype = torch.bfloat16, device_map="auto")

input_text = "hello."
messages = [
    {"role": "user", "content": input_text}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
input_ids = tokenizer([text], return_tensors="pt").to("cuda")

outputs = model.generate(**input_ids,max_new_tokens=256)
print(tokenizer.decode(outputs[0]))

 

资源消耗：

Gemma-2b-it

 

模型微调和微调后推理

 

我们使用SWIFT来对模型进行微调，SWIFT是魔搭社区官方提供的LLM&AIGC模型微调推理框架。

 

微调代码开源地址:

https://github.com/modelscope/swift

 

我们使用hc3-zh分类数据集进行微调. 任务是: 判断数据样本的回答来自human还是chatgpt.

 

环境准备:

git clone https://github.com/modelscope/swift.git
cd swift
pip install .[llm]

 

微调脚本: LoRA

# https://github.com/modelscope/swift/blob/main/examples/pytorch/llm/scripts/gemma_2b_instruct/lora
# Experimental environment: V100, A10, 3090
# 12GB GPU memory

CUDA_VISIBLE_DEVICES=0 \
swift sft \
    --model_id_or_path AI-ModelScope/gemma-2b-it \
    --sft_type lora \
    --tuner_backend swift \
    --template_type AUTO \
    --dtype AUTO \
    --output_dir output \
    --dataset hc3-zh \
    --train_dataset_sample 5000 \
    --num_train_epochs 1 \
    --max_length 2048 \
    --check_dataset_strategy warning \
    --lora_rank 8 \
    --lora_alpha 32 \
    --lora_dropout_p 0.05 \
    --lora_target_modules ALL \
    --gradient_checkpointing true \
    --batch_size 1 \
    --weight_decay 0.01 \
    --learning_rate 1e-4 \
    --gradient_accumulation_steps 16 \
    --max_grad_norm 0.5 \
    --warmup_ratio 0.1 \
    --eval_steps 100 \
    --save_steps 100 \
    --save_total_limit 2 \
    --logging_steps 10 \

 

训练过程也支持本地数据集，需要指定如下参数：

--custom_train_dataset_path xxx.jsonl \
--custom_val_dataset_path yyy.jsonl \

 

自定义数据集的格式可以参考:

https://github.com/modelscope/swift/blob/main/docs/source/LLM/%E8%87%AA%E5%AE%9A%E4%B9%89%E4%B8%8E%E6%8B%93%E5%B1%95.md#%E6%B3%A8%E5%86%8C%E6%95%B0%E6%8D%AE%E9%9B%86%E7%9A%84%E6%96%B9%E5%BC%8F

 

微调后推理脚本: （这里的ckpt_dir需要修改为训练生成的checkpoint文件夹）

# Experimental environment: V100, A10, 3090
CUDA_VISIBLE_DEVICES=0 \
swift infer \
    --ckpt_dir "output/gemma-2b-instruct/vx_xxx/checkpoint-xxx" \
    --load_dataset_config true \
    --max_length 2048 \
    --max_new_tokens 2048 \
    --temperature 0.1 \
    --top_p 0.7 \
    --repetition_penalty 1. \
    --do_sample true \

微调的可视化结果

训练准确率:

训练后生成样例:

[PROMPT]<bos><start_of_turn>user
Classification Task: Are the following responses from a human or from ChatGPT?
Question: 能帮忙解决一下吗
Answer: 当然，我很乐意帮助你解决问题。请提出你的问题，我会尽力给出最好的帮助。
Category: Human, ChatGPT
Output:<end_of_turn>
<start_of_turn>model
[OUTPUT]ChatGPT<end_of_turn>

[LABELS]ChatGPT
---------------------------------------------------
[PROMPT]<bos><start_of_turn>user
Classification Task: Are the following responses from a human or from ChatGPT?
Question: 请问哪样存钱好
Answer: 若需了解招商银行存款利率，可进入招行主页在网页右下侧“实时金融信息”下方选择“存款利率”查看。
Category: Human, ChatGPT
Output:<end_of_turn>
<start_of_turn>model
[OUTPUT]Human<end_of_turn>

[LABELS]Human

 

点击直达模型卡片：gemma-7b-it · 模型库 (modelscope.cn)