/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
17 фев 2024

llava-v1.6-vicuna-7b-gguf

Изображение и текст → текст5 профессий

LLaVA-v1.6-Vicuna-7B — открытая мультимодальная авторегрессионная языковая модель на архитектуре Transformer, созданная сообществом LLaVA на базе Vicuna-7B-v1.5 от LMSYS.

916скачиваний за 30 дней5лайковвеса обновлены7 мар 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель обучена в декабре 2023 года на данных для следования мультимодальным инструкциям, включая пары изображение–текст, наборы визуальных вопросов и ответов, академические задачи, данные GPT-4V и ShareGPT.

Модель предназначена для исследовательских задач и создания чат-ботов, работающих с текстом и изображениями: визуального анализа, ответов на вопросы по изображениям и мультимодального диалога. В данном репозитории представлены GGUF-квантизованные варианты размером от 2,77 до 7,16 ГБ с разрядностью от 3 до 8 бит. Вариант Q4_K_M обозначен как сбалансированный и рекомендуемый, а Q5_K_S и Q5_K_M — как варианты с низкой потерей качества. README не указывает поддерживаемые языки и размер контекстного окна.

Сильными сторонами являются открытость, поддержка мультимодального взаимодействия и наличие нескольких уровней квантизации для запуска на устройствах с разным объёмом памяти. Ограничения включают исследовательскую направленность, возможную потерю качества из-за квантизации и отсутствие в README подробных сведений о точности, производительности и языковых возможностях. Для GGUF-версий указана лицензия Apache-2.0; исходная модель также связана с базовой Llama 2, распространяемой по Llama 2 Community License.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GGUF Quantized LLaVA 1.6 Vicuna 7B

Updated quants and projector from PR #5267

Provided files

NameQuant methodBitsSizeUse case
llava-v1.6-vicuna-7b.Q3_K_XS.ggufQ3_K_XS32.77 GBvery small, high quality loss
llava-v1.6-vicuna-7b.Q3_K_M.ggufQ3_K_M33.3 GBvery small, high quality loss
llava-v1.6-vicuna-7b.Q4_K_M.ggufQ4_K_M44.08 GBmedium, balanced quality - recommended
llava-v1.6-vicuna-7b.Q5_K_S.ggufQ5_K_S54.65 GBlarge, low quality loss - recommended
llava-v1.6-vicuna-7b.Q5_K_M.ggufQ5_K_M54.78 GBlarge, very low quality loss - recommended
llava-v1.6-vicuna-7b.Q6_K.ggufQ6_K65.53 GBvery large, extremely low quality loss
llava-v1.6-vicuna-7b.Q8_0.ggufQ8_087.16 GBvery large, extremely low quality loss - not recommended

ORIGINAL LLaVA Model Card

Model details

Model type: LLaVA is an open-source chatbot trained by fine-tuning LLM on multimodal instruction-following data. It is an auto-regressive language model, based on the transformer architecture. Base LLM: lmsys/vicuna-7b-v1.5

Model date: LLaVA-v1.6-Vicuna-7B was trained in December 2023.

Paper or resources for more information: https://llava-vl.github.io/

License

Llama 2 is licensed under the LLAMA 2 Community License, Copyright (c) Meta Platforms, Inc. All Rights Reserved.

Where to send questions or comments about the model: https://github.com/haotian-liu/LLaVA/issues

Intended use

Primary intended uses: The primary use of LLaVA is research on large multimodal models and chatbots.

Primary intended users: The primary intended users of the model are researchers and hobbyists in computer vision, natural language processing, machine learning, and artificial intelligence.

Training dataset

  • 558K filtered image-text pairs from LAION/CC/SBU, captioned by BLIP.
  • 158K GPT-generated multimodal instruction-following data.
  • 500K academic-task-oriented VQA data mixture.
  • 50K GPT-4V data mixture.
  • 40K ShareGPT data.

Evaluation dataset

A collection of 12 benchmarks, including 5 academic VQA benchmarks and 7 recent benchmarks specifically proposed for instruction-following LMMs.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
dcadd56

0 моделей