/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
21,3 ГБ
Лицензия
Llama 3.2
Архитектура
mllama · dense
Базовая модель
Llama-3.2-11B-Vision
Библиотека
transformers
Опубликована
25 сен 2024

Llama-3.2-11B-Vision

Изображение и текст → текст8 профессий

Мультимодальная модель Unsloth на базе Meta Llama 3.2 11B Vision для анализа изображений по текстовым запросам и генерации ответов.

1 061скачиваний за 30 дней34лайкавеса обновлены22 ноя 2024

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Это версия Llama 3.2 Vision, размещённая Unsloth и основанная на Meta Llama 3.2 11B Vision. Модель использует плотную мультимодальную архитектуру Mllama и предназначена для обработки изображений вместе с текстовыми запросами и генерации текстовых ответов. Репозиторий содержит веса в формате safetensors и пример ноутбука Unsloth для дообучения модели с меньшими затратами памяти.

Модель подходит для визуальных вопросов и ответов, описания изображений и других диалоговых сценариев, где нужно связать изображение с текстом. В карточке Unsloth не приведены отдельные параметры длины контекста или точные языковые характеристики именно этой версии. В README Llama 3.2 перечислены английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский как официально поддерживаемые языки. Использование регулируется лицензией Llama 3.2 Community License — специальной лицензией с коммерческими условиями.

Сценарии применения

  • ответы на вопросы об изображении
  • описание содержимого фотографии
  • диалог по изображению
  • извлечение визуальных сведений по текстовому запросу

Ограничения

Карточка Unsloth не приводит оценок качества, точного контекстного окна или подробных ограничений применения. Поддержка языков сверх перечисленных для семейства Llama 3.2 не гарантирована.

Для каких профессий подходит8

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

Finetune Llama 3.2, Gemma 2, Mistral 2-5x faster with 70% less memory via Unsloth!

We have a free Google Colab Tesla T4 notebook for Llama 3.2 Vision (11B) here: https://colab.research.google.com/drive/1j0N4XTY1zXXy7mPAhOC1_gMYZ2F2EBlk?usp=sharing

unsloth/Llama-3.2-11B-Vision

For more details on the model, please go to Meta's original model card

✨ Finetune for Free

All notebooks are beginner friendly! Add your dataset, click "Run All", and you'll get a 2x faster finetuned model which can be exported to GGUF, vLLM or uploaded to Hugging Face.

Unsloth supportsFree NotebooksPerformanceMemory use
Llama-3.2 (3B)▶️ Start on Colab2.4x faster58% less
Llama-3.2 (11B vision)▶️ Start on Colab2x faster60% less
Qwen2 VL (7B)▶️ Start on Colab1.8x faster60% less
Qwen2.5 (7B)▶️ Start on Colab2x faster60% less
Llama-3.1 (8B)▶️ Start on Colab2.4x faster58% less
Phi-3.5 (mini)▶️ Start on Colab2x faster50% less
Gemma 2 (9B)▶️ Start on Colab2.4x faster58% less
Mistral (7B)▶️ Start on Colab2.2x faster62% less
DPO - Zephyr▶️ Start on Colab1.9x faster19% less

Special Thanks

A huge thank you to the Meta and Llama team for creating and releasing these models.

Model Information

The Meta Llama 3.2 collection of multilingual large language models (LLMs) is a collection of pretrained and instruction-tuned generative models in 1B and 3B sizes (text in/text out). The Llama 3.2 instruction-tuned text only models are optimized for multilingual dialogue use cases, including agentic retrieval and summarization tasks. They outperform many of the available open source and closed chat models on common industry benchmarks.

Model developer: Meta

Model Architecture: Llama 3.2 is an auto-regressive language model that uses an optimized transformer architecture. The tuned versions use supervised fine-tuning (SFT) and reinforcement learning with human feedback (RLHF) to align with human preferences for helpfulness and safety.

Supported languages: English, German, French, Italian, Portuguese, Hindi, Spanish, and Thai are officially supported. Llama 3.2 has been trained on a broader collection of languages than these 8 supported languages. Developers may fine-tune Llama 3.2 models for languages beyond these supported languages, provided they comply with the Llama 3.2 Community License and the Acceptable Use Policy. Developers are always expected to ensure that their deployments, including those that involve additional languages, are completed safely and responsibly.

Llama 3.2 family of models Token counts refer to pretraining data only. All model versions use Grouped-Query Attention (GQA) for improved inference scalability.

Model Release Date: Sept 25, 2024

Status: This is a static model trained on an offline dataset. Future versions may be released that improve model capabilities and safety.

License: Use of Llama 3.2 is governed by the Llama 3.2 Community License (a custom, commercial license agreement).

Where to send questions or comments about the model Instructions on how to provide feedback or comments on the model can be found in the model README. For more technical information about generation parameters and recipes for how to use Llama 3.1 in applications, please go here.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MllamaForConditionalGeneration
Ревизия весов
51b8e33

0 моделей