Documentcogito

🚀 unsloth/Llama-3.2-11B-Vision-Instruct（微調版）

本模型基於unsloth/Llama-3.2-11B-Vision-Instruct進行微調，針對視覺語言任務進行了優化，具備更強的指令遵循能力。藉助Unsloth框架與Hugging Face的TRL庫，微調速度提升了2倍，在保證高效訓練的同時維持了高性能。

🚀 快速開始

推理示例（Hugging Face Transformers）

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Daemontatox/finetuned-llama-3.2-vision-instruct")
model = AutoModelForCausalLM.from_pretrained("Daemontatox/finetuned-llama-3.2-vision-instruct")

input_text = "Describe the image showing a sunset over mountains."
inputs = tokenizer(input_text, return_tensors="pt")
outputs = model.generate(**inputs, max_length=100)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

開放大語言模型排行榜評估結果 詳細結果可查看此處！ 總結結果可查看此處！

✨ 主要特性

• 訓練速度提升2倍：利用Unsloth框架加速微調過程。
• 多模態能力：增強了處理視覺 - 語言交互的能力。
• 指令優化：針對指令的理解和執行進行了優化。

📦 安裝指南

文檔未提及安裝步驟，故跳過該章節。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Daemontatox/finetuned-llama-3.2-vision-instruct")
model = AutoModelForCausalLM.from_pretrained("Daemontatox/finetuned-llama-3.2-vision-instruct")

input_text = "Describe the image showing a sunset over mountains."
inputs = tokenizer(input_text, return_tensors="pt")
outputs = model.generate(**inputs, max_length=100)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

高級用法

文檔未提及高級用法代碼示例，故跳過該部分。

📚 詳細文檔

模型概述

該模型基於unsloth/Llama-3.2-11B-Vision-Instruct基礎模型進行微調，針對視覺語言任務進行了優化，具備更強的指令遵循能力。藉助Unsloth框架與Hugging Face的TRL庫，微調速度提升了2倍，在保證高效訓練的同時維持了高性能。

關鍵信息

性能和用例

該模型適用於以下應用場景：

• 基於視覺的文本生成和描述任務
• 多模態上下文中的指令遵循
• 具備增強推理能力的通用文本生成

🔧 技術細節

文檔未提供具體技術細節（說明文字少於50字），故跳過該章節。

📄 許可證

本模型使用的許可證為Apache - 2.0。