L

Llama 3.2 11B Vision Medical

Varu96によって開発
unsloth/Llama-3.2-11B-Vision-Instructを基に微調整されたモデルで、UnslothとHuggingfaceのTRLライブラリを使用してトレーニングされ、速度が2倍向上しました。
ダウンロード数 25
リリース時間 : 3/10/2025

モデル概要

これは視覚とテキストの指示を組み合わせたマルチモーダルモデルで、視覚とテキスト入力を処理し、対応するテキスト出力を生成できます。

モデル特徴

効率的なトレーニング
UnslothとHuggingfaceのTRLライブラリを使用してトレーニングされ、速度が2倍向上しました。
マルチモーダルサポート
視覚とテキスト入力を処理し、対応するテキスト出力を生成できます。
オープンソースライセンス
Apache-2.0ライセンスを採用しており、商業および研究用途で利用可能です。

モデル能力

テキスト生成
視覚理解
マルチモーダル推論

使用事例

教育
視覚的質問応答
提供された画像と質問に基づいて、正確な回答を生成します。
学習効率とインタラクティブ性を向上させます。
コンテンツ作成
画像とテキスト生成
画像に基づいて記述的なテキストやストーリーを生成します。
コンテンツ作成の多様性を豊かにします。
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase