> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/fr/modeles/tutorials/gemma-3-how-to-run-and-fine-tune.md). # Gemma 3 - guide d'exécution Google publie Gemma 3 avec un nouveau modèle 270M et les tailles précédentes 1B, 4B, 12B et 27B. Les modèles 270M et 1B sont uniquement textuels, tandis que les modèles plus grands gèrent à la fois le texte et la vision. Nous fournissons des GGUF, ainsi qu’un guide sur la manière de l’exécuter efficacement, et sur la façon de fine-tuner et de faire [RL](/docs/fr/commencer/reinforcement-learning-rl-guide.md) avec Gemma 3 ! {% hint style="success" %} **NOUVEAU Mise à jour du 14 août 2025 :** Essayez notre [notebook Gemma 3 (270M)](https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Gemma3_\(270M\).ipynb) et [GGUF pour exécuter](https://huggingface.co/collections/unsloth/gemma-3-67d12b7e8816ec6efa7e4e5b). Consultez aussi notre [Guide Gemma 3n](/docs/fr/modeles/tutorials/gemma-3-how-to-run-and-fine-tune/gemma-3n-how-to-run-and-fine-tune.md). {% endhint %} Tutoriel d’exécution Tutoriel de fine-tuning **Unsloth est le seul framework qui fonctionne sur des machines en float16 pour l’inférence et l’entraînement de Gemma 3.** Cela signifie que les notebooks Colab avec des GPU Tesla T4 gratuits fonctionnent aussi ! * Fine-tunez Gemma 3 (4B) avec prise en charge de la vision grâce à notre [notebook Colab gratuit](https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Gemma3_\(4B\)-Vision.ipynb) {% hint style="info" %} Selon l’équipe Gemma, la configuration optimale pour l’inférence est\ `temperature = 1.0, top_k = 64, top_p = 0.95, min_p = 0.0` {% endhint %} **Téléversements Unsloth Gemma 3 avec configurations optimales :** | GGUF | Unsloth Dynamic 4-bit Instruct | 16-bit Instruct | | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | |

| ## :gear: Paramètres d’inférence recommandés Selon l’équipe Gemma, les paramètres officiels recommandés pour l’inférence sont : * Température de 1.0 * Top\_K de 64 * Min\_P de 0,00 (facultatif, mais 0,01 fonctionne bien, la valeur par défaut de llama.cpp est 0,1) * Top\_P de 0,95 * Pénalité de répétition de 1.0. (1.0 signifie désactivé dans llama.cpp et transformers) * Modèle de chat :

<bos><start_of_turn>user\nBonjour !<end_of_turn>\n<start_of_turn>model\nSalut !<end_of_turn>\n<start_of_turn>user\nCombien font 1+1 ?<end_of_turn>\n<start_of_turn>model\n

* Modèle de chat avec `\n`les nouvelles lignes rendues (sauf pour la dernière) {% code overflow="wrap" %} ``` user Bonjour ! model Salut ! user Combien font 1+1 ? model\n ``` {% endcode %} {% hint style="danger" %} llama.cpp et d’autres moteurs d’inférence ajoutent automatiquement un \ - N’ajoutez PAS DEUX jetons \ ! Vous devez ignorer le \ lors de l’invite du modèle ! {% endhint %} ### ✨Exécuter Gemma 3 sur votre téléphone Pour exécuter les modèles sur votre téléphone, nous vous recommandons d’utiliser toute application mobile capable d’exécuter des GGUF localement sur des appareils en périphérie comme les téléphones. Après le fine-tuning, vous pouvez l’exporter en GGUF puis l’exécuter localement sur votre téléphone. Assurez-vous que votre téléphone dispose de suffisamment de RAM/puissance pour traiter les modèles, car il peut surchauffer ; nous recommandons donc d’utiliser Gemma 3 270M ou les modèles Gemma 3n pour ce cas d’utilisation. Vous pouvez essayer le [projet open source AnythingLLM](https://github.com/Mintplex-Labs/anything-llm) application mobile que vous pouvez télécharger sur [Android ici](https://play.google.com/store/apps/details?id=com.anythingllm) ou [ChatterUI](https://github.com/Vali-98/ChatterUI), qui sont de très bonnes applications pour exécuter des GGUF sur votre téléphone. {% hint style="success" %} Rappelez-vous, vous pouvez changer le nom du modèle 'gemma-3-27b-it-GGUF' en n’importe quel modèle Gemma comme 'gemma-3-270m-it-GGUF:Q8\_K\_XL' pour tous les tutoriels. {% endhint %} ## :llama: Tutoriel : Comment exécuter Gemma 3 dans Ollama 1. Installer `ollama` si vous ne l’avez pas déjà fait ! ```bash apt-get update apt-get install pciutils -y curl -fsSL https://ollama.com/install.sh | sh ``` 2. Lancez le modèle ! Notez que vous pouvez appeler `ollama serve`dans un autre terminal si cela échoue ! Nous incluons tous nos correctifs et paramètres suggérés (température, etc.) dans `params` dans notre téléversement Hugging Face ! Vous pouvez changer le nom du modèle 'gemma-3-27b-it-GGUF' en n’importe quel modèle Gemma comme 'gemma-3-270m-it-GGUF:Q8\_K\_XL'. ```bash ollama run hf.co/unsloth/gemma-3-27b-it-GGUF:Q4_K_XL ``` ## 📖 Tutoriel : Comment exécuter Gemma 3 27B dans llama.cpp 1. Obtenez le dernier `llama.cpp` sur [GitHub ici](https://github.com/ggml-org/llama.cpp). Vous pouvez également suivre les instructions de compilation ci-dessous. Modifiez `-DGGML_CUDA=ON` en `-DGGML_CUDA=OFF` si vous n’avez pas de GPU ou si vous souhaitez simplement une inférence CPU. **Pour les appareils Apple Mac / Metal**, définissez `-DGGML_CUDA=OFF` puis poursuivez comme d’habitude - la prise en charge de Metal est activée par défaut. ```bash apt-get update apt-get install pciutils build-essential cmake curl libcurl4-openssl-dev -y git clone https://github.com/ggml-org/llama.cpp cmake llama.cpp -B llama.cpp/build \ -DBUILD_SHARED_LIBS=ON -DGGML_CUDA=ON -DLLAMA_CURL=ON cmake --build llama.cpp/build --config Release -j --clean-first --target llama-quantize llama-cli llama-gguf-split llama-mtmd-cli cp llama.cpp/build/bin/llama-* llama.cpp ``` 2. Si vous souhaitez utiliser `llama.cpp` directement pour charger des modèles, vous pouvez faire ce qui suit : (:Q4\_K\_XL) est le type de quantification. Vous pouvez aussi télécharger via Hugging Face (point 3). C’est similaire à `ollama run` ```bash ./llama.cpp/llama-mtmd-cli \\ -hf unsloth/gemma-3-4b-it-GGUF:Q4_K_XL ``` 3. **OU** téléchargez le modèle via (après avoir installé `pip install huggingface_hub hf_transfer` ). Vous pouvez choisir Q4\_K\_M, ou d’autres versions quantifiées (comme BF16 en précision complète). Plus de versions à : ```python # !pip install huggingface_hub hf_transfer import os os.environ["HF_HUB_ENABLE_HF_TRANSFER"] = "1" from huggingface_hub import snapshot_download snapshot_download( repo_id = "unsloth/gemma-3-27b-it-GGUF", local_dir = "unsloth/gemma-3-27b-it-GGUF", allow_patterns = ["*Q4_K_XL*", "mmproj-BF16.gguf"], # Pour Q4_K_M ) ``` 4. Exécutez le test Flappy Bird d’Unsloth 5. Modifier `--threads 32` pour le nombre de threads CPU, `--ctx-size 16384` pour la longueur de contexte (Gemma 3 prend en charge une longueur de contexte de 128K !), `--n-gpu-layers 99` pour le déchargement GPU, indiquant combien de couches. Essayez de l’ajuster si votre GPU manque de mémoire. Supprimez-le aussi si vous n’avez qu’une inférence CPU. 6. Pour le mode conversation : ```bash ./llama.cpp/llama-mtmd-cli \\ --model unsloth/gemma-3-27b-it-GGUF/gemma-3-27b-it-Q4_K_XL.gguf \\ --mmproj unsloth/gemma-3-27b-it-GGUF/mmproj-BF16.gguf \\ --ctx-size 16384 \ --n-gpu-layers 99 \ --seed 3407 \ --prio 2 \\ --temp 1.0 \ --repeat-penalty 1.0 \\ --min-p 0.01 \ --top-k 64 \\ --top-p 0.95 ``` 7. Pour le mode non conversationnel afin de tester Flappy Bird : ```bash ./llama.cpp/llama-cli \ --model unsloth/gemma-3-27b-it-GGUF/gemma-3-27b-it-Q4_K_XL.gguf \\ --ctx-size 16384 \ --n-gpu-layers 99 \ --seed 3407 \ --prio 2 \\ --temp 1.0 \ --repeat-penalty 1.0 \\ --min-p 0.01 \ --top-k 64 \\ --top-p 0.95 \ -no-cnv \ --prompt "user\nCréez un jeu Flappy Bird en Python. Vous devez inclure ces éléments :\n1. Vous devez utiliser pygame.\n2. La couleur de fond doit être choisie aléatoirement et être une teinte claire. Commencez avec une couleur bleu clair.\n3. Appuyer plusieurs fois sur ESPACE accélérera l’oiseau.\n4. La forme de l’oiseau doit être choisie aléatoirement parmi un carré, un cercle ou un triangle. La couleur doit être choisie aléatoirement comme une couleur sombre.\n5. Placez en bas un sol coloré en brun foncé ou en jaune, choisi aléatoirement.\n6. Faites apparaître un score en haut à droite. Il augmente si vous passez les tuyaux sans les heurter.\n7. Créez des tuyaux espacés aléatoirement avec suffisamment d’espace. Coloriez-les aléatoirement en vert foncé, brun clair ou gris foncé.\n8. Quand vous perdez, affichez le meilleur score. Faites apparaître le texte à l’intérieur de l’écran. Appuyer sur q ou Échap quittera le jeu. Redémarrer consiste à appuyer à nouveau sur ESPACE.\nLe jeu final doit se trouver dans une section markdown en Python. Vérifiez votre code pour détecter les erreurs et corrigez-les avant la section markdown finale.\nmodel\n" ``` L’entrée complète de notre blog 1.58bit est : {% hint style="danger" %} N’oubliez pas de supprimer \ puisque Gemma 3 ajoute automatiquement un \ ! {% endhint %} {% code overflow="wrap" %} ``` user Créez un jeu Flappy Bird en Python. Vous devez inclure ces éléments : 1. Vous devez utiliser pygame. 2. La couleur de fond doit être choisie aléatoirement et être une teinte claire. Commencez avec une couleur bleu clair. 3. Appuyer plusieurs fois sur ESPACE accélérera l’oiseau. 4. La forme de l’oiseau doit être choisie aléatoirement parmi un carré, un cercle ou un triangle. La couleur doit être choisie aléatoirement comme une couleur sombre. 5. Placez en bas un sol coloré en brun foncé ou en jaune, choisi aléatoirement. 6. Faites apparaître un score en haut à droite. Il augmente si vous passez les tuyaux sans les heurter. 7. Créez des tuyaux espacés aléatoirement avec suffisamment d’espace. Coloriez-les aléatoirement en vert foncé, brun clair ou gris foncé. 8. Quand vous perdez, affichez le meilleur score. Faites apparaître le texte à l’intérieur de l’écran. Appuyer sur q ou Échap quittera le jeu. Redémarrer consiste à appuyer à nouveau sur ESPACE. Le jeu final doit se trouver dans une section markdown en Python. Vérifiez votre code pour détecter des erreur ``` {% endcode %} ## :sloth: Fine-tuning de Gemma 3 dans Unsloth **Unsloth est le seul framework qui fonctionne sur des machines en float16 pour l’inférence et l’entraînement de Gemma 3.** Cela signifie que les notebooks Colab avec des GPU Tesla T4 gratuits fonctionnent aussi ! * Essayez notre nouveau [notebook Gemma 3 (270M)](https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Gemma3_\(270M\).ipynb) qui rend le modèle de 270M paramètres très fort aux échecs et peut prédire le prochain coup d’échecs. * Fine-tunez Gemma 3 (4B) en utilisant nos notebooks pour : [**Texte**](https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Gemma3_\(4B\).ipynb) ou [**Vision**](https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Gemma3_\(4B\)-Vision.ipynb) * Ou fine-tunez [Gemma 3n (E4B)](/docs/fr/modeles/tutorials/gemma-3-how-to-run-and-fine-tune/gemma-3n-how-to-run-and-fine-tune.md) avec [Texte](https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Gemma3N_\(4B\)-Conversational.ipynb) • [Vision](https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Gemma3N_\(4B\)-Vision.ipynb) • [Audio](https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Gemma3N_\(4B\)-Audio.ipynb) {% hint style="warning" %} Lors d’un fine-tuning complet (FFT) de Gemma 3, toutes les couches passent par défaut en float32 sur les appareils float16. Unsloth s’attend à du float16 et effectue une conversion dynamique vers un type supérieur. Pour corriger cela, exécutez `model.to(torch.float16)` après le chargement, ou utilisez un GPU avec prise en charge du bfloat16. {% endhint %} ### Correctifs de fine-tuning Unsloth Notre solution dans Unsloth repose sur 3 volets : 1. Conserver toutes les activations intermédiaires au format bfloat16 - elles peuvent être en float32, mais cela utilise 2x plus de VRAM ou de RAM (via le gradient checkpointing asynchrone d’Unsloth) 2. Faire toutes les multiplications matricielles en float16 avec les tensor cores, mais avec une conversion manuelle vers un type supérieur / inférieur sans l’aide de l’autocast de précision mixte de Pytorch. 3. Convertir vers un type supérieur toutes les autres opérations qui ne nécessitent pas de multiplications matricielles (layernorms) en float32. ## 🤔 Analyse des correctifs de Gemma 3

Gemma 3 1B à 27B dépasse le maximum de 65504 du float16

Tout d’abord, avant de fine-tuner ou d’exécuter Gemma 3, nous avons constaté qu’en utilisant la précision mixte float16, les gradients et **les activations deviennent infinis** malheureusement. Cela se produit sur les GPU T4, la série RTX 20x et les GPU V100, qui ne disposent que de tensor cores float16. Pour les GPU plus récents comme les RTX 30x ou supérieurs, les A100, H100, etc., ces GPU disposent de tensor cores bfloat16, donc ce problème ne se produit pas ! **Mais pourquoi ?**

Wikipédia https://en.wikipedia.org/wiki/Bfloat16_floating-point_format

Le float16 ne peut représenter que des nombres jusqu’à **65504**, tandis que le bfloat16 peut représenter d’énormes nombres jusqu’à **10^38**! Mais remarquez que les deux formats de nombres n’utilisent que 16 bits ! Cela s’explique par le fait que le float16 alloue plus de bits afin de mieux représenter les décimales plus petites, tandis que le bfloat16 ne peut pas bien représenter les fractions. Mais pourquoi le float16 ? Utilisons simplement le float32 ! Mais malheureusement, le float32 sur les GPU est très lent pour les multiplications matricielles - parfois 4 à 10 fois plus lent ! Nous ne pouvons donc pas faire cela. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://unsloth.ai/docs/fr/modeles/tutorials/gemma-3-how-to-run-and-fine-tune.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.