配置运行google gemma过程_gemma7b 运行环境要求

1.Google colab demo

可以用google colab运行gemma的demo（见以下链接），2b跑起来没问题，7b内存会炸。

Gemma in PyTorch  |  Google AI for Developers

注意：需要kaggle的API token，点下边的"your Kaggle settings page"链接，进去下载即可（中间需要遵守一些使用这个模型的约定，一步步弄就行）。

之后就一个挨一个的运行pytorch_gemma.ipynb，不能跳步，按顺序运行下来是没有任何bug的。

能改的只有最后测试的prompt,分为Chat mode和Generate mode。

Chat mode:

Generate mode:

2.本地电脑跑gemma-2b

2b可以跑起来，2b-it没有试，7b就不要想了，完全带不动，可能电脑显卡比较好的话，能行。

下边给出了模型地址，我用hugging face比较多，kaggle不太会用，所以这里只介绍用hugging face的过程。

Kaggle地址：https://www.kaggle.com/models/google/gemma/code/

huggingface地址：https://huggingface.co/models?search=google/gemma

和在hugging face上下载其他模型一样，用法也一样，如下

只不过用上边的代码直接从hg上下载模型经常因为网络连接的问题报错，我通常就是直接到官网将模型下载到本地，然后更改模型为本地路径。

需要耐心的事情出现了，模型很大很大，如果着急的话，就让电脑夜深人静的时候自己下载吧，没有7/8个小时应该是下载不完的。

在真正运行上述代码之前，不可避免的麻烦事出现了，That is 配置环境！！！为了不同项目的包版本不互相影响，所以重新创建一个虚拟环境是很有必要的（配置环境在下一节详细介绍）。

3.4090跑gemma-7b及it

主要参考hugging face的文档：

blog/zh/gemma.md at main · huggingface/blog (github.com)

提到了用3090或4090可以跑起来，如下：

我这里是用ssh连接的,应该也可以图形化界面控制，but我还木有用过。

ssh 用户名@xx.xx.xx.xx

然后输入密码就登进去了。

可以查看已有的虚拟环境

conda env list 

之后就是用anaconda创建虚拟环境，python版本与torch版本有对应限制，但是用3.9比较稳，不算旧也不算新

conda create -n env_name python=x.x

然后激活虚拟环境，之后安装包都在这个环境里

conda activate env_name

之后为了方便文件的上传和删除，我用的是用专业版本的pycharm（可以免费试用30天）的Tools-Deployment功能（个人感觉很好用

用pycharm通过ssh连接远程服务器可以参考下文（转载，侵权删）pycharm通过ssh远程连接服务器，并运行代码_pycharm连接远程服务器怎么运行命令-CSDN博客

只不过与它写的博客不同的地方：

（1）在最后选择python interpreter的时候，选择之前创建的conda虚拟环境中的python。

一般路径是  /home/xx/anaconda3/envs/env_name/bin/python

（2）Mappings-Deployment path改成自己新建的一个文件夹，用来存放模型、代码

至此虚拟环境创建完毕，并且能够通过pycharm上传文件和代码。

之后就是安装torch和transformer

安装torch需要注意是cpu版本还是gpu版本，这里安装gpu版本

首先需要查看cuda的版本，按照别人的说法是可以向下兼容的，也就是比设备cuda版本低的都可以用，我自己试了确实可以

nvidia-smi

然后到pytorch官网 PyTorch

复制最后一行的代码，执行即可

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

安装 transformers，这里是根据上文hg的文档，指定了版本

pip install -U "transformers==4.38.1" --upgrade

然后新建一个xx.py文件（复制hg文档中的代码即可），upload到上文新建的文件夹里边

cd 上文新建的文件夹路径

运行

python3 xx.py

备注其他

1.因为模型很大，可以查看硬盘内存是否够

df -h

2.如果某盘内存不够，将文件夹整个移动到另一个盘

mv 原文件夹所在的绝对路径 新文件夹的绝对路径

3.模型上传不完整，代码报错，对比上传的模型、本地下载的模型与hg显示的模型大小，cd到模型文件内，用kb显示文件夹内文件大小 

ls -l --block-size=k

4.返回上一级目录

cd ..

返回根目录

cd ~

Over! 如有问题，欢迎批评指正~