机器学习的目的是通过数据找到一个函数，这个函数可以把输入映射到输出。例如，给定一张图片，这个函数可以把输入图片映射成对应的说明文字。

怎么样找到这个函数呢？机器学习的过程首先要设定模型的形式，以及使用的参数。一般模型多使用神经网络，而其中的参数则称为权重。一个大的模型，参数量可能很多，有些高达几十亿个，想要找到好的参数，人力无法胜任，所以就交给机器去运算，这个运算过程，就称为训练模型。

训练模型，也就是在找模型参数的过程。怎样的参数才算是好的呢？这需要有一个判断的标准。一般会使用一个损失函数，这个损失函数用来衡量模型的输出和希望得到的输出之间的差距，并根据这个差距给一个分数，而我们要想办法让损失函数的平均分数越小越好。

今天早上我测试了 Gemma 模型。 我的电脑有 32G RAM 和 RTX 2070 显示卡（8G）。 我下载的是 2B 模型。 有 untuned version 和 instruction-tuned version，每个版本解压缩后约 3.9G。我在 CPU 模式下执行，但是过了一会儿程序就崩溃了，我猜想可能是记忆体不够的原因。然后我用 GPU 模式执行，结果如下：

Untuned 2B