许可证：apache-2.0
数据集：

• 5CD-AI/LLaVA-CoT-o1-Instruct
  基础模型：
• google/vit-base-patch16-224
• deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B
  库名称：transformers
  管道标签：image-text-to-text

DeepSeer：具备推理能力的视觉语言模型

具备思维链推理能力的视觉语言模型刚刚崭露头角。本项目基于DeepSeek-R1模型，通过支持思维能力的对话模板训练视觉模型，作为概念验证。

安装

pip install git+https://github.com/facebookresearch/schedule_free.git  
pip install peft  
git clone https://github.com/mkturkcan/seers.git  
cd seers/seers/  
git clone https://huggingface.co/mehmetkeremturkcan/DeepSeer-R1-Vision-Distill-Qwen-1.5B_google_vit-base-patch16-224  

测试

运行

python predict.py  

训练详情

本模型是在5CD-AI/LLaVA-CoT-o1-Instruct数据集上对deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B进行微调的版本，使用seers框架完成训练。