/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
5,1 МБ
Архитектура
mllama · dense
Библиотека
transformers
Опубликована
26 сен 2024

llama-3.2-vision-tiny-random

Генерация текстаТекст → текст3 профессии

Компактная случайно инициализированная мультимодальная модель семейства Llama 3.2 Vision для отладки и тестирования кода генерации текста по изображениям.

834скачиваний за 30 дней1лайквеса обновлены30 сен 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 «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

yujiepan/llama-3.2-vision-tiny-random — отладочная мультимодальная модель, созданная сообществом на основе конфигурации Meta Llama 3.2 90B Vision Instruct, но с существенно уменьшенной архитектурой. Модель реализована в Transformers через MllamaForConditionalGeneration и поддерживает обработку изображений вместе с текстовыми запросами для генерации текста.

Модель имеет случайно инициализированные веса и не предназначена для прикладного использования, качественного диалога, описания изображений или других продуктивных задач. В конфигурации используются уменьшенные текстовый и визуальный компоненты: скрытый размер 8, два слоя и малое число голов внимания. Основное назначение — отладка, тестирование совместимости архитектуры, процессора и кода генерации на компактной модели.

Для работы требуется библиотека Transformers и соответствующий процессор Mllama. Лицензия в предоставленных данных не указана; условия лицензирования исходной модели Meta автоматически не определяют лицензию этого репозитория.

Сценарии применения

  • тестирование загрузки Mllama в Transformers
  • отладка мультимодальной генерации текста
  • проверка обработки изображений и текстовых запросов
  • разработка минимальных примеров для vision-language моделей
  • тестирование совместимости процессора и модели

Ограничения

Веса модели случайно инициализированы и не обучены, поэтому она не обеспечивает осмысленное или стабильное качество генерации и не подходит для продуктивного применения. Лицензия модели в предоставленных данных не указана.

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

This model is for debugging. It is randomly initialized using the config from meta-llama/Llama-3.2-90B-Vision-Instruct but with smaller size.

Codes:

import os

import accelerate
import requests
import torch
import transformers
from huggingface_hub import create_repo, upload_folder
from PIL import Image
from transformers import AutoProcessor, MllamaForConditionalGeneration
from transformers.models.mllama import MllamaConfig

model_id = 'meta-llama/Llama-3.2-90B-Vision-Instruct'
repo_id = 'yujiepan/llama-3.2-vision-tiny-random'
save_path = f'/tmp/{repo_id}'

os.system(f'rm -rf {save_path}')

config = transformers.AutoConfig.from_pretrained(
    model_id,
    trust_remote_code=True,
)
config.text_config.hidden_size = 8
config.text_config.intermediate_size = 16
config.text_config.num_attention_heads = 2
config.text_config.num_key_value_heads = 1
config.text_config.num_hidden_layers = 2
config.text_config.cross_attention_layers = [1]

config.vision_config.attention_heads = 2
config.vision_config.hidden_size = 8
config.vision_config.intermediate_size = 16
config.vision_config.intermediate_layers_indices = [0]
config.vision_config.num_global_layers = 2
config.vision_config.num_hidden_layers = 2
config.vision_config.vision_output_dim = 16


transformers.set_seed(42)
model = MllamaForConditionalGeneration(config)
model.generation_config = transformers.GenerationConfig.from_pretrained(
    model_id)
model = model.to(torch.bfloat16)

transformers.set_seed(42)
with torch.no_grad():
    for p in model.parameters():
        torch.nn.init.normal_(p)

model.save_pretrained(save_path)

processor = AutoProcessor.from_pretrained(model_id)
processor.save_pretrained(save_path)

url = "https://huggingface.co/datasets/huggingface/documentation-images/resolve/0052a70beed5bf71b92610a43a52df6d286cd5f3/diffusers/rabbit.jpg"
image = Image.open(requests.get(url, stream=True).raw)

messages = [
    {"role": "user", "content": [
        {"type": "image"},
        {"type": "text", "text": "If I had to write a haiku for this one, it would be: "}
    ]}
]
input_text = processor.apply_chat_template(
    messages, add_generation_prompt=True)
inputs = processor(image, input_text, return_tensors="pt").to(model.device)

output = model.generate(**inputs, max_new_tokens=30)
print(processor.decode(output[0]))

os.system(f'ls -alh {save_path}')
# os.system(f'rm -rf {save_path}/model.safetensors')
# create_repo(repo_id, exist_ok=True)
# upload_folder(repo_id=repo_id, folder_path=save_path)

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
02f03f9

0 моделей