embeddinggemma 300m

提供商google
分类sentence-similarity
许可证gemma
下载量184.5K
星标13

简介

Embedding-Gemma-300M 是 Google 基于 Gemma 架构推出的轻量级文本向量化模型。与大语言模型不同，它专注于将文本转化为高质量的数学向量，用于衡量语义相似度。得益于 300M 的精简参数量，它在保证检索精度的同时，极大地降低了部署成本和推理延迟。对于中国开发者而言，它是构建本地 RAG（检索增强生成）知识库、实现高效语义搜索或对海量文档进行聚类分析的理想选择，能够完美替代部分沉重的商业 Embedding 接口，且上手难度极低。

核心亮点

  • 轻量化设计，低资源占用且推理速度极快
  • 语义捕捉精准，适配 RAG 知识库检索场景
  • 基于 Gemma 架构，具备优秀的通用表征能力
  • 开源许可灵活，方便私有化部署与微调

使用方法

安装依赖
# 安装 Hugging Face transformers
pip install transformers torch
SDK 使用
# 使用 transformers 加载模型
from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("google/embeddinggemma-300m")
tokenizer = AutoTokenizer.from_pretrained("google/embeddinggemma-300m")

Hugging Face 下载

我们推荐使用命令行或者 Hugging Face Hub SDK 来进行模型的下载。

操作指引：在下载前，请先通过如下命令安装 huggingface_hub：

操作指引 
pip install -U huggingface_hub

命令行下载

下载完整模型库

下载完整模型库 
huggingface-cli download google/embeddinggemma-300m

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例）

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例） 
huggingface-cli download google/embeddinggemma-300m config.json --local-dir ./dir

更多命令行下载选项，可参见官方文档

SDK 下载

SDK 下载 
# 模型下载
from huggingface_hub import snapshot_download
model_dir = snapshot_download('google/embeddinggemma-300m')

Git 下载

请确保 lfs 已经被正确安装

Git 下载 
git lfs install
git clone https://huggingface.co/google/embeddinggemma-300m

如果您希望跳过 lfs 大文件下载，可以使用如下命令

跳过 LFS 
GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/google/embeddinggemma-300m

模型文件托管在 Hugging Face Hub，使用 HF CLI / SDK / Git 直接下载，不经过本站。

PyTorch / Transformers 使用

安装 Transformers

安装 Transformers 
pip install -U transformers torch

模型加载和推理

模型加载和推理 
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('google/embeddinggemma-300m')
tokenizer = AutoTokenizer.from_pretrained('google/embeddinggemma-300m')

模型下载

我们推荐使用命令行或者 ModelScope SDK 来进行模型的下载。

操作指引：在下载前，请先通过如下命令安装 ModelScope：

操作指引 
pip install modelscope

命令行下载

下载完整模型库

下载完整模型库 
modelscope download --model google/embeddinggemma-300m

下载单个文件到指定本地文件夹（以下载 README.md 到当前路径下 dir 目录为例）

下载单个文件到指定本地文件夹（以下载 README.md 到当前路径下 dir 目录为例） 
modelscope download --model google/embeddinggemma-300m README.md --local_dir ./dir

更多更丰富的命令行下载选项，可参见具体文档

SDK 下载

SDK 下载 
# 模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('google/embeddinggemma-300m')

Git 下载

请确保 lfs 已经被正确安装

Git 下载 
git lfs install
git clone https://www.modelscope.cn/google/embeddinggemma-300m.git

如果您希望跳过 lfs 大文件下载，可以使用如下命令

跳过 LFS 
GIT_LFS_SKIP_SMUDGE=1 git clone https://www.modelscope.cn/google/embeddinggemma-300m.git

ModelScope 模型页直接下载模型文件；无需将模型文件放在本站服务器。

Notebook 快速开发

下载并安装 ModelScope library

下载并安装 ModelScope library 
pip install "modelscope[audio,cv,nlp,multi-modal,science]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html

模型加载和推理

模型加载和推理 
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

p = pipeline('text-generation', 'google/embeddinggemma-300m')
查看官方来源