🚀 UIGEN-T1.5模型卡片
UIGEN-T1.5是一款先进的基于Transformer的UI生成模型,它在前端用户界面生成方面表现出色,能够生成美观、现代且独特的界面。该模型基于Qwen2.5-Coder-7B-Instruct微调而来,利用复杂的推理和思维链方法,擅长生成高度结构化且视觉效果出色的HTML和CSS代码。
模型基本信息
属性 |
详情 |
基础模型 |
Qwen/Qwen2.5-Coder-7B-Instruct |
标签 |
text-generation-inference、transformers、qwen2、trl |
许可证 |
apache-2.0 |
语言 |
en |
数据集 |
Tesslate/UIGEN-T1.5-Dataset |
展示视觉丰富性的着陆页
🚀 快速开始
UIGEN-T1.5是一个基于Transformer架构的UI生成模型,它从Qwen2.5-Coder-7B-Instruct微调而来,专门用于生成令人惊叹的前端用户界面。以下是使用该模型进行推理的示例代码:
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
- 先进的UI风格:能够生成简洁、现代且独特的设计。
- 思维链推理:增强了推理能力,可实现准确的HTML/CSS布局。
- 高可用性:生成响应式且可用于生产环境的前端代码。
💻 使用示例
基础用法
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))
📚 详细文档
视觉示例
UIGEN-T1.5生成的仪表盘UI
使用场景
推荐使用场景
- 仪表盘:生成有洞察力且视觉吸引人的数据界面。
- 着陆页:创建引人入胜且转化率高的网页。
- 认证屏幕:设计优雅的注册和登录界面。
局限性
- 交互性有限:主要关注HTML/CSS,JavaScript功能较少。
- 需要特定提示:可能需要特定的提示(如追加“answer”)。
性能和评估
- 优点:
- 高质量的UI生成。
- 对结构化布局有强大的推理能力。
- 缺点:
- 偶尔会出现重复的设计模式。
- 复杂设计中可能会有轻微的伪影。
技术规格
- 架构:基于Transformer的大语言模型
- 基础模型:Qwen2.5-Coder-7B-Instruct
- 精度:bf16混合精度,量化到q8
- 硬件要求:建议12GB显存
- 软件依赖:
- Hugging Face Transformers
- PyTorch
📄 许可证
本模型采用apache-2.0许可证。
🔖 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}
}
🤝 联系与社区
由vichar ai赞助 Huggingface 网站