Dit is de Linux-app Gemma in PyTorch, waarvan de nieuwste versie kan worden gedownload als gemma_pytorchsourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en voer online deze app genaamd Gemma gratis uit in PyTorch met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start de OnWorks Linux online of Windows online emulator of MACOS online emulator vanaf deze website.
- 5. Ga vanuit het OnWorks Linux-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie, installeer hem en voer hem uit.
SCHERMSCHERMEN:
Gemma in PyTorch
BESCHRIJVING:
gemma_pytorch biedt de officiële PyTorch-referentie voor het uitvoeren en verfijnen van Google's Gemma-familie van open modellen. Het bevat modeldefinities, configuratiebestanden en laadprogramma's voor meerdere parameterschalen, wat snelle evaluatie en downstream-aanpassing mogelijk maakt. De repository demonstreert pipelines voor tekstgeneratie, tokenizer-instellingen, kwantificeringspaden en adapters voor low-rank of parameter-efficiënte finetuning. Voorbeeldnotebooks begeleiden u bij het verfijnen en evalueren van instructies, zodat teams snel kunnen benchmarken en itereren. De code is zo georganiseerd dat deze leesbaar en hackbaar is, waardoor aandachtsblokken, positionele coderingen en hoofdconfiguraties zichtbaar worden. Dankzij standaard PyTorch-abstracties kan het eenvoudig worden geïntegreerd in bestaande trainingslussen, loggers en evaluatieprogramma's.
Kenmerken
- PyTorch-implementaties en -configuraties voor Gemma-modelvarianten
- Klaar voor gebruik generatie, tokenisatie en checkpoint-laden
- Drop-in modules die compatibel zijn met gangbare PyTorch-stacks
- Voorbeeldnotitieboeken voor afstemming en evaluatie
- Kwantificerings- en inferentie-optimalisatiepaden
- Parameter-efficiënte fine-tuning adapters en voorbeelden
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/gemma-in-pytorch.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.