Guia passo a passo em chinês, com código de demonstração para aprender LLMs, desde chamadas de API até implantação local e fine-tuning, com versões para Kaggle/Colab.
google-gemma/cookbook
Coleção de guias, notebooks de tutorial e exemplos de apps completos para criar soluções com a família de modelos abertos Gemma, do Google.
- Estrelas
- 4,137
- Forks
- 682
- Issues abertas
- 45
- Último commit
- há 12 dias
O que é?
O Gemma Cookbook reúne notebooks Jupyter e guias que mostram como usar os modelos abertos Gemma do Google. O conteúdo abrange a linha principal Gemma (da Gemma 2 à Gemma 4) e variantes como CodeGemma, PaliGemma, RecurrentGemma, ShieldGemma e MedGemma, cada uma com seus próprios exemplos.
O repositório é organizado em pastas com tutoriais, apps full-stack, experimentos voltados à pesquisa, como TxGemma e MedGemma, notebooks de IA responsável, documentação principal e um arquivo de exemplos antigos. Os modelos podem ser obtidos no Hugging Face Hub, no Kaggle e no Google Cloud Vertex AI Model Garden.
O projeto é voltado a desenvolvedores que procuram código funcional para fine-tuning, inferência e criação de aplicações com Gemma. Como Gemma é um modelo aberto, os mantenedores observam que suas respostas podem ser imprecisas e devem ser verificadas ao criar soluções com base nesses exemplos.
Recursos principais
- 01Notebooks de tutorial para Gemma e suas variantes, testados e atualizados regularmente.
- 02Apps de demonstração full-stack e casos de uso completos.
- 03Notebooks de pesquisa para TxGemma e MedGemma.
- 04Notebooks para desenvolvimento de IA responsável.
- 05Disponível no Hugging Face Hub, no Kaggle e no Vertex AI Model Garden.
Casos de uso
- Aprender a executar e criar prompts para modelos Gemma em notebooks Python.
- Criar um app multimodal com PaliGemma ou com a entrada de imagens da Gemma 3.
- Explorar modelos especializados, como MedGemma, para protótipos na área da saúde.
- Adicionar classificação de segurança com ShieldGemma a uma aplicação com LLM.
Início rápido
- 1
Clone o repositório cookbook do GitHub
- 2
Abra a pasta Tutorials e escolha um notebook para executar
Antes de usar
- cookbook é uma coleção de notebooks e guias, não uma única ferramenta instalável.
- Os exemplos dependem do acesso aos modelos Gemma e podem precisar de uma GPU ou de recursos na nuvem para serem executados.
Tópicos
Perguntas frequentes
- O que é cookbook?
- Coleção de guias, notebooks de tutorial e exemplos de apps completos para criar soluções com a família de modelos abertos Gemma, do Google. O Gemma Cookbook reúne notebooks Jupyter e guias que mostram como usar os modelos abertos Gemma do Google. O conteúdo abrange a linha principal Gemma (da Gemma 2 à Gemma 4) e variantes como CodeGemma, PaliGemma, RecurrentGemma, ShieldGemma e MedGemma, cada uma com seus próprios exemplos.
- cookbook é gratuito? Qual é a licença?
- cookbook é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- cookbook ainda é mantido?
- Manutenção ativa. O último commit de cookbook foi em 26 de out. de 2026.
- Para que posso usar cookbook?
- Aprender a executar e criar prompts para modelos Gemma em notebooks Python. Criar um app multimodal com PaliGemma ou com a entrada de imagens da Gemma 3. Explorar modelos especializados, como MedGemma, para protótipos na área da saúde. Adicionar classificação de segurança com ShieldGemma a uma aplicação com LLM.
- Como instalar cookbook?
- Clone o repositório cookbook do GitHub Abra a pasta Tutorials e escolha um notebook para executar
- Onde consigo cookbook?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/google-gemma/cookbook
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Plugin de LLM que dá acesso aos modelos Gemini do Google pela ferramenta de linha de comando e pela biblioteca Python LLM.
Um app para Android e iOS do Google AI Edge para testar LLMs de código aberto e casos de uso de GenAI no dispositivo, offline, pelo celular.
Uma coleção com mais de 250 notebooks do Colab e Jupyter para fine-tuning e treinamento com RL de modelos de texto, visão, áudio, embeddings e TTS usando Unsloth.
Uma coleção de exemplos e guias em notebooks Jupyter que mostram como realizar tarefas comuns com a API da OpenAI.
Coleção com mais de 90 projetos práticos de tutorial sobre LLMs, pipelines de RAG e agentes de IA, organizados por nível de dificuldade.