gemma模型介绍
关于gemma模型的一些简单介绍
Gemma是Google推出的一系列轻量级的LLM，采用与构建Gemini模型相同的技术栈。
在Kaggle上可以很容易的学习和使用Gemma，在Kaggle的模型页面，Gemma排在前列，其增长趋势也是最高的，具体地址是https://www.kaggle.com/models/google/gemma。 当前Gemma在kaggle上有640个code，62个讨论和11个相关竞赛，可以通过这些信息去学习Gemma。
我们也可以在Gemma的页面上找到下载的信息，目前有不同框架的Gemma模型可供下载，比较流行的包括Keras、PyTorch、Transformers、Gemma C++、LiteRT等等，每一种又分了不同版本，例如PyTorch主要包括2b、2b-it、7b、7b-it等等若干的版本，2b和7b分别是20亿参数和70亿参数两种规模，每个规模又分预训练和指令微调（带-it后缀）两个版本。
最基础的2b模型即便是在没有独显的笔记本电脑上都能尝试运行，而规模更大的7b、7b全量版分别需要8GB和16GB显存。相比之下，google后来开源的gemma 2的规模更大，最高能到270亿参数，但是相应的对硬件的要求也更高。
在kaggle上可以直接尝试gemma模型，每周还可以有若干免费时长的GPU和TPU可以使用。如果想在本地训练和使用，可以将需要的版本下载到本地使用，参考本系列的其他文章。