使用场景

Navarasa利用Gemma创建了基于印度语言多样性的模型。

开发者可以使用Gemma 2进行检索增强型生成等常见任务。

学术研究人员可以申请Gemma 2 Academic Research Program，以获得Google Cloud积分来加速研究。

产品特色

提供9亿和27亿参数大小的模型，满足不同需求。

在27亿参数版本中，性能可与两倍于其大小的模型竞争。

设计用于在Google Cloud TPU、NVIDIA A100和H100 GPU上高效运行。

与Hugging Face、NVIDIA和Ollama等合作伙伴轻松集成。

支持主要AI框架，如Hugging Face Transformers、JAX、PyTorch和TensorFlow。

通过Google Cloud的Vertex AI轻松部署和管理。

遵循内部安全流程，进行数据过滤和全面测试，以识别和减轻潜在偏见和风险。

使用教程

访问Google AI Studio，无需硬件要求即可测试Gemma 2的27亿参数版本。

从Kaggle和Hugging Face Models下载Gemma 2的模型权重。

使用Vertex AI Model Garden进行部署和管理（即将推出）。

利用Keras和Hugging Face进行微调。

通过Gemma Cookbook学习如何使用Gemma 2构建应用和微调模型。

使用Responsible Generative AI Toolkit和LLM Comparator进行负责任的AI开发和模型评估。

对于Hugging Face Transformer用户，微调Gemma 2时需要使用支持注意力软封顶的_eager_注意力实现。