🚀 UIGEN-T1.5模型卡片
UIGEN-T1.5是一款先進的基於Transformer的UI生成模型,它在前端用戶界面生成方面表現出色,能夠生成美觀、現代且獨特的界面。該模型基於Qwen2.5-Coder-7B-Instruct微調而來,利用複雜的推理和思維鏈方法,擅長生成高度結構化且視覺效果出色的HTML和CSS代碼。
模型基本信息
屬性 |
詳情 |
基礎模型 |
Qwen/Qwen2.5-Coder-7B-Instruct |
標籤 |
text-generation-inference、transformers、qwen2、trl |
許可證 |
apache-2.0 |
語言 |
en |
數據集 |
Tesslate/UIGEN-T1.5-Dataset |
展示視覺豐富性的著陸頁
🚀 快速開始
UIGEN-T1.5是一個基於Transformer架構的UI生成模型,它從Qwen2.5-Coder-7B-Instruct微調而來,專門用於生成令人驚歎的前端用戶界面。以下是使用該模型進行推理的示例代碼:
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "smirki/UIGEN-T1.5"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name).to("cuda")
prompt = """<|im_start|>user
Design a sleek, modern dashboard for monitoring solar panel efficiency.<|im_end|>
<|im_start|>assistant
<|im_start|>think
"""
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=12012, do_sample=True, temperature=0.7)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
✨ 主要特性
- 先進的UI風格:能夠生成簡潔、現代且獨特的設計。
- 思維鏈推理:增強了推理能力,可實現準確的HTML/CSS佈局。
- 高可用性:生成響應式且可用於生產環境的前端代碼。
💻 使用示例
基礎用法
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "smirki/UIGEN-T1.5"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name).to("cuda")
prompt = """<|im_start|>user
Design a sleek, modern dashboard for monitoring solar panel efficiency.<|im_end|>
<|im_start|>assistant
<|im_start|>think
"""
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=12012, do_sample=True, temperature=0.7)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
📚 詳細文檔
視覺示例
UIGEN-T1.5生成的儀表盤UI
使用場景
推薦使用場景
- 儀表盤:生成有洞察力且視覺吸引人的數據界面。
- 著陸頁:創建引人入勝且轉化率高的網頁。
- 認證屏幕:設計優雅的註冊和登錄界面。
侷限性
- 交互性有限:主要關注HTML/CSS,JavaScript功能較少。
- 需要特定提示:可能需要特定的提示(如追加“answer”)。
性能和評估
- 優點:
- 高質量的UI生成。
- 對結構化佈局有強大的推理能力。
- 缺點:
- 偶爾會出現重複的設計模式。
- 複雜設計中可能會有輕微的偽影。
技術規格
- 架構:基於Transformer的大語言模型
- 基礎模型:Qwen2.5-Coder-7B-Instruct
- 精度:bf16混合精度,量化到q8
- 硬件要求:建議12GB顯存
- 軟件依賴:
- Hugging Face Transformers
- PyTorch
📄 許可證
本模型採用apache-2.0許可證。
🔖 引用
@misc{Tesslate_UIGEN-T1.5,
title={UIGEN-T1.5: Advanced Chain-of-Thought UI Generation Model},
author={smirki},
year={2025},
publisher={Hugging Face},
url={https://huggingface.co/Tesslate/UIGEN-T1.5}
}
🤝 聯繫與社區
由vichar ai贊助 Huggingface 網站