/ Модель

Характеристики

Контекст
32 768 токенов
Лицензия
Apache 2.0
Архитектура
doubutsu_next · dense
Опубликована
22 июл 2024

doubutsu-2b-pt-756

Генерация текстаТекст → текст3 профессии

Компактная визуально-языковая модель doubutsu для дообучения под задачи диалога по изображениям и тексту.

21скачиваний за 30 дней4лайкавеса обновлены9 фев 2025

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

doubutsu-2b-pt-756 — базовая предварительно обученная модель семейства компактных визуально-языковых моделей doubutsu, созданная qtnx_ и yeswondwerr. Она предназначена для дальнейшей настройки под конкретные сценарии; отдельно от дообучения или готового адаптера её использовать не предполагается.

Модель принимает изображения вместе с текстом и формирует текстовые ответы в диалоговом формате. В карточке указано семейство архитектур doubutsu_next и обучающий набор LLaVA-CC3M-Pretrain-595K. Для генерации README рекомендует температуру 0,1–0,3, но результаты оценки качества не приведены. Модель опубликована в форматах PyTorch и safetensors; лицензия — Apache-2.0.

Сценарии применения

  • дообучение модели для ответов на вопросы об изображениях
  • создание визуального чат-бота под предметную область
  • настройка модели для описания изображений на английском языке

Ограничения

Модель не рассчитана на самостоятельное применение: требуется дообучение или готовый адаптер. Качество на оценочных наборах в карточке не приведено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

[!IMPORTANT] NOTE: This model is not meant to be used alone, you need to either finetune it with this notebook or use an existing adapter.

doubutsu-2b-pt-756

doubutsu is a family of smol VLMs meant to be finetuned for your own use-case.

Built by @qtnx_ and @yeswondwerr

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
from PIL import Image

model_id = "qresearch/doubutsu-2b-pt-756"
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    trust_remote_code=True,
    torch_dtype=torch.float16,
).to("cuda")

tokenizer = AutoTokenizer.from_pretrained(
    model_id,
    use_fast=True,
)

model.load_adapter("qresearch/doubutsu-2b-lora-756-docci")

image = Image.open("IMAGE")

print(
    model.answer_question(
        image, "Describe the image", tokenizer, max_new_tokens=128, temperature=0.1
    ),
)

[!TIP] these models require smaller temperatures. We recommend to use a temperature of 0.1-0.3.

Evals

TBD

Acknowledgements

  • Liu et al. : LLaVA
  • Moon et al. : AnyMAL
  • vikhyatk : moondream codebase
                                       .x+=:.                                                             
                                      z`    ^%                                                  .uef^"    
               .u    .                   .   <k                           .u    .             :d88E       
    .u@u     .d88B :@8c       .u       .@8Ned8"      .u          u      .d88B :@8c        .   `888E       
 .zWF8888bx ="8888f8888r   ud8888.   .@^%8888"    ud8888.     us888u.  ="8888f8888r  .udR88N   888E .z8k  
.888  9888    4888>'88"  :888'8888. x88:  `)8b. :888'8888. .@88 "8888"   4888>'88"  <888'888k  888E~?888L 
I888  9888    4888> '    d888 '88%" 8888N=*8888 d888 '88%" 9888  9888    4888> '    9888 'Y"   888E  888E 
I888  9888    4888>      8888.+"     %8"    R88 8888.+"    9888  9888    4888>      9888       888E  888E 
I888  9888   .d888L .+   8888L        @8Wou 9%  8888L      9888  9888   .d888L .+   9888       888E  888E 
`888Nx?888   ^"8888*"    '8888c. .+ .888888P`   '8888c. .+ 9888  9888   ^"8888*"    ?8888u../  888E  888E 
 "88" '888      "Y"       "88888%   `   ^"F      "88888%   "888*""888"     "Y"       "8888P'  m888N= 888> 
       88E                  "YP'                   "YP'     ^Y"   ^Y'                  "P'     `Y"   888  
       98>                                                                                          J88"  
       '8                                                                                           @%    
        `                                                                                         :"      

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Ревизия весов
c971534

0 моделей