Gemma 3 新手指南：谷歌开源人工智能模型介绍

各位 AI 爱好者，欢迎回来！今天，我们将探索 Google 的新 Gemma 3 AI——一个强大的开源模型，旨在单个 GPU 上运行。如果你听说过 Gemma 3 是“可以在单个 GPU 上使用的最强大的模型”，那么你来对地方了。

关于 Gemma 3

什么是 Google Gemma 3？

你可以将 Gemma 3 视为 Google 对 GPT 风格模型的答案，但它是**开源**的，并且经过优化，可以在任何地方运行——你的笔记本电脑、单个服务器甚至高端手机！它是 Google Gemma 系列 AI 模型中的最新成员。Google 将其庞大 Gemini 模型的核心技术提炼到 Gemma 3 中。结果：一套你可以实际下载和运行的模型。Gemma 3 旨在实现可访问性，同时不牺牲性能。事实上，参数量最大的 Gemma 3 模型（270 亿参数）在质量上跻身顶级开源 AI 模型之列。

了解 Gemma 3 模型

Gemma 3 有四种尺寸——1B、4B、12B 和 27B（B 代表十亿参数）。一般来说，参数越大，模型越智能。但即使是 4B 或 12B 的模型也能处理很多事情。它是多语言的（开箱即支持 140 多种语言），甚至是多模态的，这意味着它可以理解图像和文本的结合。我们只在 GPT-4 等非常高级的模型中见过这种能力。此外，Gemma 3 拥有扩展的内存——128,000 个 token 的上下文窗口——基本上，它可以一次性阅读和记忆非常长的文档或对话。举例来说，这相当于一次处理 100 多页的文本！

Google **向开发者开放了 Gemma 3**。你可以免费下载模型权重，并在本地运行或通过 API 调用 Gemma 3。如果你自己托管，则无需按提示付费。它拥有商业使用许可证，并附带一些负责任的 AI 指南，因此你有可能将其构建到产品中。这种开放模型的方法类似于 Meta 的 LLaMA 2，但 Google 在多模态和高效率方面做得更进一步。

你可以使用你喜欢的工具，例如 **Hugging Face Transformers、Ollama、PyTorch、Google AI Edge、UnSloth、vLLM 等**。在本教程中，我将向你展示如何通过 Hugging Face 使用它。在本教程结束时，我们将拥有一个类似 ChatGPT 的本地运行的 Web 应用程序。

Gemma 3 的主要特点

• 小巧而强大。 Gemma 3 功能强大；即使是大型的 27B 模型也可以在单个 GPU 上运行。它比许多其他 AI 更快、更小。
• 能阅读长文本。 它可以一次性阅读和理解非常长的文档，例如书籍或合同。
• 理解图片和文本。 你可以向它展示一张图片并提问。它知道如何查看图片并给出专业的答案。
• 支持 140 多种语言。 Gemma 支持多种语言——例如西班牙语、法语、日语等。
• 提供清晰的数据。 它可以以 JSON 等格式回复，因此开发人员可以轻松地在应用程序中使用这些答案。
• 可在较小设备上运行。 提供较小版本，因此你可以在内存较小的笔记本电脑上运行它。
• 内置安全。 Google 添加了 ShieldGemma 2 工具，以帮助确保其安全并阻止有害内容。

在本地运行 Gemma 3 的最低要求

如果你想在本地计算机上运行 Gemma 3，请确保你的设备符合最低要求。

如何访问 Gemma 3

有多种方法可以使用此模型。在本教程中，我将向你展示三种方法：

• Google AI Studio
• Hugging Face
• Google API

如何在 Google AI Studio 中使用 Gemma 3

• 在浏览器中打开此链接：https://aistudio.google.com/
• 你需要一个 Google 帐户才能使用 AI Studio。
• 点击**“创建提示”**。
• 在**模型设置**中，选择 **Gemma 3**（你可能会看到“Gemma 27B”、“Gemma 4B”等选项）。
• 输入任何你想让 Gemma 协助的内容——例如写作、编码或提问。
• 点击**“运行”**按钮以获取 Gemma 3 的响应。

如何通过 Hugging Face Transformers (Python) 使用 Gemma 3

如果你熟悉 Python，这将非常简单。Hugging Face 的中心有 Gemma 3 模型。你所要做的就是安装 transformers 库，然后下载模型。我不会详细解释所有步骤，但你可以阅读我的 Hugging Face 完整教程，

在我们开始之前，你需要：

• 安装 IDE，如 VSCode
• 安装 Python 语言

然后按照以下步骤操作：

• 打开：https://huggingface.co 并在那里创建一个帐户。
• 点击顶部导航栏中的“Models”链接，然后输入“Gemma”过滤结果，之后从列表中选择一个 Google 模型。

• 选择所需的模型，例如：https://huggingface.co/google/gemma-3-4b-it，并接受许可协议。

然后打开你的终端，逐个粘贴这些命令：

python3 -m venv venv  
source venv/bin/activate  
pip install transformers datasets evaluate accelerate  
pip install torch

然后打开你的 IDE，创建一个新文件，例如 `main.py`，并粘贴以下代码：

from transformers import pipeline  
import torch  
  
pipe = pipeline(  
    "image-text-to-text",  
    model="google/gemma-3-4b-it",  
    device="cpu",  
    torch_dtype=torch.bfloat16  
)  
  
messages = [  
    {  
        "role": "system",  
        "content": [{"type": "text", "text": "You are a helpful assistant."}]  
    },  
    {  
        "role": "user",  
        "content": [  
            {"type": "image", "url": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/p-blog/candy.JPG"},  
            {"type": "text", "text": "What animal is on the candy?"}  
        ]  
    }  
]  
  
output = pipe(text=messages, max_new_tokens=200)  
print(output[0]["generated_text"][-1]["content"])

使用此命令运行 Python 代码：

python3 main.py

在此示例中，我们要求 Gemma 查看 URL 中的图像并识别糖果上的动物。我们使用了 Gemma 3-4B 模型和 CPU 设备。

你可以在我的 Git 仓库中找到包含其他示例的完整代码——Gemma 3

如何通过 Google 的 API 使用 Gemma 3

与 Hugging Face 的示例一样，在开始之前你需要：

• 安装 IDE，如 VSCode
• 安装 Python 语言

然后按照以下步骤操作：

• 打开 https://aistudio.google.com/，如果你没有 Google 账户，请创建一个。
• 然后点击“获取 API 密钥”按钮。在此页面上，你需要生成一个 API 密钥。我们将需要它来连接到 Google Cloud API。

然后打开你的终端，逐个粘贴这些命令：

pip install google-generativeai  
pip install google-genai

然后打开你的 IDE，创建一个新文件，例如 `google-cloud-api-terminal.py`，并粘贴以下代码：

import google.generativeai as genai  
  
# Configure the API key  
genai.configure(api_key="[REPLACE-THIS-TEXT-WITH-YOUR-API-KEY]")  
  
# Initialize the GenerativeModel with the model name as a positional argument  
model = genai.GenerativeModel("gemma-3-27b-it")  
  
# Generate content  
response = model.generate_content("What is the latest version of iphone?")  
  
# Print the generated text  
print(response.text)

此示例使用了 270 亿参数模型和简单的文本提示。

你可以在我的 Git 仓库中找到包含其他示例的完整代码——Gemma 3

一个类似 ChatGPT 的简单 Gemma 3 Web 应用程序

那么，让我们把所有东西都整合起来，创建一个可以在你的电脑上本地运行的简单 Web 应用程序。在这个例子中，我将使用 Google Cloud API，但你也可以使用 Hugging Face 并将模型下载到你的电脑上。

我们将使用 **chainlit 库**。Chainlit 是一个开源的 Python 包，用于构建可用于生产的对话式 AI。

在我们开始之前，你需要：

• 安装 IDE，如 VSCode
• 安装 Python 语言
• Google AI Studio 的 Google API 密钥（请参见上一节）。

然后打开你的终端，逐个粘贴这些命令：

pip install google-generativeai  
pip install google-genai  
pip install chainlit

然后打开你的 IDE，创建一个新文件，例如 `google-cloud-web-interface.py`，并粘贴以下代码：

import chainlit as cl  
import google.generativeai as genai  
  
# Configure the Generative AI client  
genai.configure(api_key="[REPLACE-THIS-TEXT-WITH-YOUR-API-KEY]")  
  
# Initialize the GenerativeModel  
model = genai.GenerativeModel("gemma-3-27b-it")  
  
@cl.on_message  
async def handle_message(message: cl.Message):  
    # Generate content based on the user's input  
    response = model.generate_content(contents=[message.content])  
    reply = response.text  
    # Send the generated response back to the user  
    await cl.Message(content=reply).send()

使用此命令运行 Python 代码：

chainlit run google-cloud-web-interface.py

如果一切正常，你将在 https://:8000/ 看到你的 Web 应用程序。

视频教程

我有一个详细解释所有内容的视频教程。你可以在 YouTube 上找到它。

在 YouTube 上观看： Gemma 3 完整指南

结论

总之，Google Gemma 3 是一个功能强大的人工智能，你可以在本地运行并自行定制。无论你是为自定义应用程序优化它的开发人员，还是在 PC 上探索人工智能的爱好者，Gemma 3 都提供了无限的可能性。

如果你觉得本教程有帮助，请**点赞**并**订阅**以获取更多前沿 AI 内容。如果你有任何问题，或者用 Gemma 3 做出了很酷的东西，我很乐意听你分享。

感谢你的阅读，下次再见，编程愉快！👋

祝好！;)

来源：Gemma 3 教程