/ Модель

Характеристики

Размер весов
10,6 ГБ
Опубликована
25 апр 2024

llava-phi-3-mini-gguf

Описание изображенийИзображение → текст6 профессий

LLaVA-Phi-3-mini — мультимодальная модель семейства LLaVA, разработанная командой XTuner. Она дообучена на основе Microsoft Phi-3-mini-4k-instruct и использует визуальный энкодер CLIP-ViT-Large-patch14-336.

1 339скачиваний за 30 дней140лайковвеса обновлены29 апр 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

Обучение проводилось на наборах ShareGPT4V-PT и InternVL-SFT.

Модель предназначена для анализа изображений и генерации текстовых ответов по визуальному содержимому: описания изображений, визуальных вопросов и ответов, распознавания текста и решения задач, связанных с пониманием сцен и документов. Архитектура включает CLIP-визуальный энкодер, MLP-проектор и языковую модель Phi-3-mini; разрешение изображений составляет 336 пикселей, а заявленный контекст — 4096 токенов. Доступны варианты GGUF с точностью FP16 и INT4, совместимые с llama.cpp и Ollama.

К сильным сторонам относятся сравнительно компактная языковая основа, поддержка мультимодального диалога и хорошие результаты на ряде тестов понимания изображений, включая MMMU, ScienceQA, HallusionBench и POPE. Ограничения включают зависимость качества от используемого визуального энкодера, возможные ошибки при интерпретации изображений и снижение точности в INT4-варианте по сравнению с FP16. Лицензия в README не указана.

Для каких профессий подходит6

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

Generic badge

Model

llava-phi-3-mini is a LLaVA model fine-tuned from microsoft/Phi-3-mini-4k-instruct and CLIP-ViT-Large-patch14-336 with ShareGPT4V-PT and InternVL-SFT by XTuner.

Note: This model is in GGUF format.

Resources:

Details

ModelVisual EncoderProjectorResolutionPretraining StrategyFine-tuning StrategyPretrain DatasetFine-tune DatasetPretrain EpochFine-tune Epoch
LLaVA-v1.5-7BCLIP-LMLP336Frozen LLM, Frozen ViTFull LLM, Frozen ViTLLaVA-PT (558K)LLaVA-Mix (665K)11
LLaVA-Llama-3-8BCLIP-LMLP336Frozen LLM, Frozen ViTFull LLM, LoRA ViTLLaVA-PT (558K)LLaVA-Mix (665K)11
LLaVA-Llama-3-8B-v1.1CLIP-LMLP336Frozen LLM, Frozen ViTFull LLM, LoRA ViTShareGPT4V-PT (1246K)InternVL-SFT (1268K)11
LLaVA-Phi-3-miniCLIP-LMLP336Frozen LLM, Frozen ViTFull LLM, Full ViTShareGPT4V-PT (1246K)InternVL-SFT (1268K)12

Results

ModelMMBench Test (EN)MMMU ValSEED-IMGAI2D TestScienceQA TestHallusionBench aAccPOPEGQATextVQAMMEMMStar
LLaVA-v1.5-7B66.535.360.554.870.444.985.962.058.21511/34830.3
LLaVA-Llama-3-8B68.936.869.860.973.347.387.263.558.01506/29538.2
LLaVA-Llama-3-8B-v1.172.337.170.170.072.947.786.462.659.01469/34945.1
LLaVA-Phi-3-mini69.241.470.069.373.749.887.361.557.81477/31343.7

Quickstart

Download models

# mmproj
wget https://huggingface.co/xtuner/llava-phi-3-mini-gguf/resolve/main/llava-phi-3-mini-mmproj-f16.gguf

# fp16 llm
wget https://huggingface.co/xtuner/llava-phi-3-mini-gguf/resolve/main/llava-phi-3-mini-f16.gguf

# int4 llm
wget https://huggingface.co/xtuner/llava-phi-3-mini-gguf/resolve/main/llava-phi-3-mini-int4.gguf

# (optional) ollama fp16 modelfile
wget https://huggingface.co/xtuner/llava-phi-3-mini-gguf/resolve/main/OLLAMA_MODELFILE_F16

# (optional) ollama int4 modelfile
wget https://huggingface.co/xtuner/llava-phi-3-mini-gguf/resolve/main/OLLAMA_MODELFILE_INT4

Chat by ollama

Note: llava-phi-3-mini uses the Phi-3-instruct chat template.

# fp16
ollama create llava-phi3-f16 -f ./OLLAMA_MODELFILE_F16
ollama run llava-phi3-f16 "xx.png Describe this image"

# int4
ollama create llava-phi3-int4 -f ./OLLAMA_MODELFILE_INT4
ollama run llava-phi3-int4 "xx.png Describe this image"

Chat by ./llava-cli

  1. Build llama.cpp (docs) .
  2. Build ./llava-cli (docs).

Note: llava-phi-3-mini uses the Phi-3-instruct chat template.

# fp16
./llava-cli -m ./llava-phi-3-mini-f16.gguf --mmproj ./llava-phi-3-mini-mmproj-f16.gguf --image YOUR_IMAGE.jpg -c 4096

# int4
./llava-cli -m ./llava-phi-3-mini-int4.gguf --mmproj ./llava-phi-3-mini-mmproj-f16.gguf --image YOUR_IMAGE.jpg -c 4096

Reproduce

Please refer to docs.

Citation

@misc{2023xtuner,
    title={XTuner: A Toolkit for Efficiently Fine-tuning LLM},
    author={XTuner Contributors},
    howpublished = {\url{https://github.com/InternLM/xtuner}},
    year={2023}
}

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
ab13dda

0 моделей