Documentcogito

🚀 unsloth/Llama-3.2-11B-Vision-Instruct（微调版）

本模型基于unsloth/Llama-3.2-11B-Vision-Instruct进行微调，针对视觉语言任务进行了优化，具备更强的指令遵循能力。借助Unsloth框架与Hugging Face的TRL库，微调速度提升了2倍，在保证高效训练的同时维持了高性能。

🚀 快速开始

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))

开放大语言模型排行榜评估结果 详细结果可查看此处！ 总结结果可查看此处！

✨ 主要特性

• 训练速度提升2倍：利用Unsloth框架加速微调过程。
• 多模态能力：增强了处理视觉 - 语言交互的能力。
• 指令优化：针对指令的理解和执行进行了优化。

📦 安装指南

文档未提及安装步骤，故跳过该章节。

💻 使用示例

基础用法

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))

高级用法

文档未提及高级用法代码示例，故跳过该部分。

📚 详细文档

模型概述

该模型基于unsloth/Llama-3.2-11B-Vision-Instruct基础模型进行微调，针对视觉语言任务进行了优化，具备更强的指令遵循能力。借助Unsloth框架与Hugging Face的TRL库，微调速度提升了2倍，在保证高效训练的同时维持了高性能。

关键信息

性能和用例

该模型适用于以下应用场景：

• 基于视觉的文本生成和描述任务
• 多模态上下文中的指令遵循
• 具备增强推理能力的通用文本生成

🔧 技术细节

文档未提供具体技术细节（说明文字少于50字），故跳过该章节。

📄 许可证

本模型使用的许可证为Apache - 2.0。