Gemma3n رو روی ترکیبی از تصویر، صدا و متن فاین-تیون (fine-tune) کرد.این کار قبلاً خیلی سنگین بود، ولی این نوت‌بوک با چندتا ترفند این کار رو راحت کرده:
🔹 برای سخت‌افزار مناسب: کل فرایند طوری طراحی شده که روی یه GPU A100 توی گوگل کولب (با کمتر از ۴۰ گیگابایت VRAM) هم اجرا بشه.
🔹 تکنیک‌های بهینه: برای سبک‌سازی، از LoRA، نمونه‌برداری مجدد صدا (audio resampling) و کاهش کیفیت ویدیو (video downsampling) استفاده می‌کنه.
🔹 هدفش آموزشه: این نوت‌بوک بیشتر جنبهٔ آموزشی داره و بهتون نشون می‌ده چطور با چند نوع ورودی مختلف (صدا، تصویر، متن) کار کنید.
🔹 مدل اصلی: جدیدترین مدل چندوجهی گوگل، یعنی Gemma3n، که برای همین کارها ساخته شده.
لینک کولب
🛠 Join @LLMEngineers Community