/ Модель

Характеристики

Размер весов
17,2 МБ
Архитектура
gemma3 · dense
Библиотека
transformers
Опубликована
15 мар 2025

gemma-3

Изображение и текст → текст3 профессии

tiny-random/gemma-3 — отладочная модель, разработанная на основе конфигурации Google Gemma 3 27B IT.

20 092скачиваний за 30 дней0лайковвеса обновлены15 мар 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Репозиторий содержит случайно инициализированные веса, поэтому модель не предназначена для качественного решения прикладных задач и служит преимущественно для проверки работы программного обеспечения и интеграций.

Модель относится к мультимодальному классу image-text-to-text: принимает изображения и текст, а также генерирует текстовые ответы. В README приведён сценарий распознавания объекта на изображении через библиотеку Transformers. Архитектура адаптирована из Gemma 3 27B IT и включает языковую и зрительную части, но существенно уменьшена: две скрытые языковые и две зрительные трансформерные прослойки, размер скрытого состояния 32, промежуточный размер 128 и по одной attention- и key-value-голове в каждой части. Точный размер контекстного окна и поддерживаемые языки не указаны.

Главное преимущество модели — минимальный размер и пригодность для быстрого тестирования загрузки, инференса и мультимодальных интерфейсов. Из-за случайной инициализации весов она не обладает ожидаемой обученной функциональностью, поэтому её результаты нельзя использовать для реальных задач. Информация о лицензии в README отсутствует.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This tiny model is for debugging. It is randomly initialized with the config adapted from google/gemma-3-27b-it.

Example usage:

from transformers import pipeline
model_id = "tiny-random/gemma-3"
pipe = pipeline(
    "image-text-to-text", model=model_id, device="cuda",
    trust_remote_code=True, max_new_tokens=3,
)
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=5)
print(output)

Codes to create this repo:

import torch

from transformers import (
    AutoConfig,
    AutoModelForCausalLM,
    AutoProcessor,
    AutoTokenizer,
    Gemma3ForConditionalGeneration,
    GenerationConfig,
    pipeline,
    set_seed,
)

source_model_id = "google/gemma-3-27b-it"
save_folder = "/tmp/tiny-random/gemma-3"

processor = AutoProcessor.from_pretrained(
    source_model_id, trust_remote_code=True,
)
processor.save_pretrained(save_folder)

config = AutoConfig.from_pretrained(
    source_model_id, trust_remote_code=True,
)
config.text_config.hidden_size = 32
config.text_config.intermediate_size = 128
config.text_config.head_dim = 32
config.text_config.num_attention_heads = 1
config.text_config.num_key_value_heads = 1
config.text_config.num_hidden_layers = 2
config.text_config.sliding_window_pattern = 2
config.vision_config.hidden_size = 32
config.vision_config.num_hidden_layers = 2
config.vision_config.num_attention_heads = 1
config.vision_config.intermediate_size = 128
model = Gemma3ForConditionalGeneration(
    config,
).to(torch.bfloat16)
for layer in model.language_model.model.layers:
    print(layer.is_sliding)
model.generation_config = GenerationConfig.from_pretrained(
    source_model_id, trust_remote_code=True,
)
set_seed(42)
with torch.no_grad():
    for name, p in sorted(model.named_parameters()):
        torch.nn.init.normal_(p, 0, 0.5)
        print(name, p.shape)
model.save_pretrained(save_folder)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForConditionalGeneration
Ревизия весов
69a78d1

0 моделей