Blip Image Captioning Base Bf16

🚀 Blip Image Captioning Base BF16

このモデルは、画像からテキストへの変換モデルであるSalesforce/blip-image-captioning-baseの量子化バージョンです。float32の精度をbfloat16に量子化することで、メモリ使用量を989MBから494MBに削減し、モデルのメモリサイズを50％削減しています。

🚀 クイックスタート

以下のコードを使用して、このモデルを使い始めることができます。

基本的な使用法

from transformers import BlipForConditionalGeneration, BlipProcessor
import requests
from PIL import Image

model = BlipForConditionalGeneration.from_pretrained("gospacedev/blip-image-captioning-base-bf16")
processor = BlipProcessor.from_pretrained("gospacedev/blip-image-captioning-base-bf16")

# Load sample image
image = Image.open(requests.get(img_url, stream=True).raw).convert('RGB')

# Generate output
inputs = processor(image, return_tensors="pt")
output = model.generate(**inputs)
result = processor.decode(out[0], skip_special_tokens=True)

print(results)

✨ 主な機能

画像キャプショニングの例

a cat sitting on top of a purple and red striped carpet

📚 ドキュメント

モデル詳細

📄 ライセンス

このモデルはMITライセンスの下で提供されています。