Downloads · 30 days
82
100% of all-time downloads
functiongemma-plantgame-de
KillerBoss/functiongemma-plantgame-de
functiongemma-plantgame-de is a machine learning model from KillerBoss. Use it for the machine learning task on the model card, and read the license before you ship it in a product. It is set up for litert. The card lists the license as gemma.
Dieses Repo enthält das für Google AI Edge Gallery aufbereitete Fine-Tune functiongemma-plantgame-de (Basis: google/functiongemma-270m-it, Architektur: Gemma 3 270M) für die lokale Ausführung auf Android (z. B. Samsun…
All-time downloads
82
Public
Parameters
268M
2.6 GB on disk
Likes
0
Public
Repo makeup
Click a slice to open those files.
.safetensors1.1 GB · 53%
At a glance
- Library
- litert
- License
- gemma
- Model type
- gemma3_text
- Access
- Public
- Created
- Sep 8, 2026
- Updated
- Sep 9, 2026
- SHA
- b945193e
Model card
From the Hugging Face model README
FunctionGemma PlantGame DE — On-Device-Artefakte (LiteRT / TFLite / NPU)
Dieses Repo enthält das für Google AI Edge Gallery aufbereitete Fine-Tune
functiongemma-plantgame-de (Basis: google/functiongemma-270m-it, Architektur: Gemma 3 270M)
für die lokale Ausführung auf Android (z. B. Samsung Galaxy S26 Ultra, Snapdragon 8 Elite Gen 5 / SM8850).
Artefakte (Ordner litertlm/)
| Datei | Format | Ziel-Hardware | Quantisierung | Kontext |
|---|---|---|---|---|
functiongemma-plantgame-de-wi8emb4-ekv1280.litertlm | LiteRT-LM (.litertlm) | CPU + GPU | 8-bit Gewichte, 4-bit Embeddings (per-channel) | Prefill-Chunks 128, KV-Cache 1280 |
functiongemma-plantgame-de-int8-ekv1280.task | MediaPipe Task (.task) | CPU + GPU | 8-bit dynamisch + 4-bit Embeddings | Prefill-Chunks 128, KV-Cache 1280 |
functiongemma-plantgame-de-qnn-sm8850.litertlm | LiteRT-LM, QNN-AOT-kompiliert | NPU (Hexagon) — nur Snapdragon SM8850 | w8a16 (a16w8) via LiteRT NPU-Compiler | Prefill-Chunks 128, KV-Cache 1280 |
Verwendung in Google AI Edge Gallery
- AI Edge Gallery installieren (Standard-APK für CPU/GPU; NPU-Preview-APK für Snapdragon-NPU).
- In der App: Add model → URL auf die
.litertlm- bzw..task-Datei in diesem Repo eingeben (oder Datei über den Dateimanager importieren). - CPU/GPU-Artefakt: normal starten; in den Einstellungen lässt sich GPU-Beschleunigung aktivieren.
- NPU-Artefakt: nur in der NPU-fähigen Gallery-Build auf einem Gerät mit Snapdragon SM8850 (Galaxy S26 Ultra) starten — die QNN-Kompilierung ist SoC-spezifisch und läuft auf anderen Chips nicht.
Technik
- Konvertierung:
litert-torch export_hf(LiteRT-Torch Generative Pipeline) - NPU:
compile_litertlmmit Backendqualcomm, SoCSM8850, O3-Optimierung - Signatur-Konventionen:
prefill_128, Decode mit transponiertem KV-Cache - Tokenizer: SentencePiece (
tokenizer.model), Start-Token<bos>, Stop-Token<eos>/<end_of_turn>
Trainingsquelle
Fein-Tuning auf Kaggle (LoRA-frei, Full-FT, 2 Epochen, 3825 Trainings-/675 Eval-Samples): Exact-Match 148/150 = 98,7 % auf dem deutschen PlantGame-Function-Calling-Eval.
- Library
- litert
- Type
- gemma3_text
- License
- gemma
- Languages
- de
- Created
- Sep 8, 2026
- Updated
- Sep 9, 2026