1小时微调 Gemma 3 270M 端侧模型与部署全流程-开发者社区

Gemma 3 270M是 Google 推出的一款虽小但能力惊人的开放模型。它属于 Gemma 家族，本质上是将 Gemini 模型中使用的相同技术带入了轻量级、可定制的形式中。

你可以在不到一小时内完成微调，并将其大小压缩到 300MB 以下，让他直接在你的浏览器中运行。

在这篇文章中，我将展示我是如何使用 Gemma 创建我自己的 emoji 翻译器的——这是一个将文本转换为表情符号并在本地运行的小型模型。

第一步：教 Gemma “用 Emoji 思考”

Gemma 是一个通才。如果你让它把文本翻译成表情符号，它会表现得有点太客气了。

Prompt:

“Translate this text into emojis: what a fun party”

Model:

“Sure! Here is your emoji: 🥳🎉🎈”

这不完全是我想要的目标。对于我的应用我想要只有表情符号——不要单词，不要“Sure!”，只要有趣的东西。

所以我们可以对他进行微调

构建一个微型数据集

从一个简单的 JSON 文件开始——输入文本，输出表情符号。

[ { "input": "what a fun party", "output": "🥳🎉🎈" }, { "input": "good morning sunshine", "output": "☀️🌻😊" }, { "input": "so tired today", "output": "😴💤" } ]

在 Colab 中微调

以前微调需要 A100 GPU 和时间，现在不需要了。使用 QLoRA（仅更新少量参数）在 Google Colab 的免费 T4 GPU 上就可以微调。

from transformers import ( AutoModelForCausalLM, AutoTokenizer, Trainer, TrainingArguments, DataCollatorForLanguageModeling ) from peft import LoraConfig, get_peft_model from datasets import load_dataset model_name = "google/gemma-3-270m" tokenizer = AutoTokenizer.from_pretrained(model_name) # 关键：为 Gemma 设置 pad_token if tokenizer.pad_token is None: tokenizer.pad_token = tokenizer.eos_token model = AutoModelForCausalLM.from_pretrained( model_name, torch_dtype="auto", # 可选：使用 auto dtype 以提高效率 device_map="auto" # 可选：如果可用，自动映射到 GPU ) dataset = load_dataset("json", data_files="emoji_dataset.json") # 可选：如果序列很长，进行预分词和截断（Trainer 可以处理原始文本，但这样更明确） # def tokenize_function(examples): # return tokenizer(examples["text"], truncation=True, max_length=512) # dataset = dataset.map(tokenize_function, batched=True, remove_columns=dataset["train"].column_names) lora_config = LoraConfig( r=8, lora_alpha=32, target_modules=[ "q_proj", "k_proj", "v_proj", "o_proj", # Attention 层 "gate_proj", "up_proj", "down_proj" # MLP 层 ], lora_dropout=0.05, task_type="CAUSAL_LM" # 为了清晰起见显式指定 ) model = get_peft_model(model, lora_config) training_args = TrainingArguments( output_dir="./gemma-emoji", num_train_epochs=3, per_device_train_batch_size=4, save_steps=100, logging_steps=10, # 可选：更频繁地记录日志 evaluation_strategy="no", # 如果你有 eval_dataset，请在此添加 # group_by_length=True, # 可选：将相似长度分组以提高效率 # max_steps=-1, # 可选：运行完整的 epoch ) # 关键：适用于 CLM 的正确整理器 (collator) data_collator = DataCollatorForLanguageModeling( tokenizer=tokenizer, mlm=False # 因果语言模型 (Causal LM)，非掩码 ) trainer = Trainer( model=model, args=training_args, train_dataset=dataset["train"], tokenizer=tokenizer, # 如果未预分词，则启用自动分词 data_collator=data_collator ) trainer.train()

就是这样，训练后模型可以只生成表情符号。

第二步：让它足够小以适应 Web

微调后s模型仍然约有 1GB，按 LLM 标准来看很小但对于浏览器来说还是很大。

为了在本地运行它，我使用 LiteRT 将其量化为 4-bit（如果你更喜欢 Transformers.js，也可以选择 ONNX）。

这个较小的版本非常适合 MediaPipe 或 Transformers.js，两者都利用 WebGPU 来访问你的设备硬件。所以是它实际上是在你的浏览器中运行的。

第三步：在浏览器中运行模型

有趣的部分来了——没有服务器，没有 API，无需等待。

使用 MediaPipe 的 GenAI Tasks 直接在浏览器中加载并运行模型。

const genai = await FilesetResolver.forGenAiTasks( 'https://cdn.jsdelivr.net/npm/@mediapipe/tasks-genai@latest/wasm' ); const llmInference = await LlmInference.createFromOptions(genai, { baseOptions: { modelAssetPath: 'path/to/yourmodel.task' } }); const prompt = "Translate this text to emoji: what a fun party!"; const response = await llmInference.generateResponse(prompt); console.log(response);

一旦缓存，它完全离线运行。零延迟。完全隐私。甚至在飞行模式下也能工作。

更小的模型意味着加载更快的应用和更好的最终用户体验。