数据集:

• Lin-Chen/ShareGPT4V 管道标签: 图像转文本

MoMonir/llava-llama-3-8b-v1_1-GGUF

该模型是从 xtuner/llava-llama-3-8b-v1_1 转换为 GGUF 格式的。有关模型的更多详情，请参考原始模型卡片。

关于 GGUF (TheBloke 描述)

GGUF 是 llama.cpp 团队于 2023 年 8 月 21 日引入的新格式。它取代了 GGML，后者已不再受 llama.cpp 支持。

以下是已知支持 GGUF 的客户端和库的不完整列表：

• llama.cpp。GGUF 的源项目。提供 CLI 和服务器选项。
• text-generation-webui，最广泛使用的 Web UI，具有许多功能和强大的扩展。支持 GPU 加速。
• KoboldCpp，功能齐全的 Web UI，支持所有平台和 GPU 架构的 GPU 加速。特别适合故事讲述。
• GPT4All，免费开源的本地运行 GUI，支持 Windows、Linux 和 macOS，具有完整的 GPU 加速。
• LM Studio，易于使用且功能强大的本地 GUI，支持 Windows 和 macOS (Silicon)，具有 GPU 加速。Linux 版本已于 2023 年 11 月 27 日进入测试阶段。
• LoLLMS Web UI，一个优秀的 Web UI，具有许多有趣且独特的功能，包括完整的模型库以便轻松选择模型。
• Faraday.dev，一个吸引人且易于使用的基于角色的聊天 GUI，支持 Windows 和 macOS（Silicon 和 Intel），具有 GPU 加速。
• llama-cpp-python，一个支持 GPU 加速、LangChain 支持和 OpenAI 兼容 API 服务器的 Python 库。
• candle，一个专注于性能的 Rust ML 框架，包括 GPU 支持和易用性。
• ctransformers，一个支持 GPU 加速、LangChain 支持和 OpenAI 兼容 AI 服务器的 Python 库。注意，截至撰写时（2023 年 11 月 27 日），ctransformers 已长时间未更新，不支持许多近期模型。

================================

#--# 原始模型卡片 #--#

================================

模型

llava-llama-3-8b-v1_1 是一个基于 meta-llama/Meta-Llama-3-8B-Instruct 和 CLIP-ViT-Large-patch14-336 微调的 LLaVA 模型，使用了 ShareGPT4V-PT 和 InternVL-SFT 数据集，由 XTuner 完成。

注意：此模型为 GGUF 格式。

资源：

• GitHub: xtuner
• HuggingFace LLaVA 格式模型: xtuner/llava-llama-3-8b-v1_1-transformers
• 官方 LLaVA 格式模型: xtuner/llava-llama-3-8b-v1_1-hf
• XTuner LLaVA 格式模型: xtuner/llava-llama-3-8b-v1_1

详情

结果

快速开始

下载模型

# mmproj
wget https://huggingface.co/xtuner/llava-llama-3-8b-v1_1-gguf/resolve/main/llava-llama-3-8b-v1_1-mmproj-f16.gguf

# fp16 llm
wget https://huggingface.co/xtuner/llava-llama-3-8b-v1_1-gguf/resolve/main/llava-llama-3-8b-v1_1-f16.gguf

# int4 llm
wget https://huggingface.co/xtuner/llava-llama-3-8b-v1_1-gguf/resolve/main/llava-llama-3-8b-v1_1-int4.gguf

# (可选) ollama fp16 模型文件
wget https://huggingface.co/xtuner/llava-llama-3-8b-v1_1-gguf/resolve/main/OLLAMA_MODELFILE_F16

# (可选) ollama int4 模型文件
wget https://huggingface.co/xtuner/llava-llama-3-8b-v1_1-gguf/resolve/main/OLLAMA_MODELFILE_INT4

使用 ollama 聊天

# fp16
ollama create llava-llama3-f16 -f ./OLLAMA_MODELFILE_F16
ollama run llava-llama3-f16 "xx.png 描述这张图片"

# int4
ollama create llava-llama3-int4 -f ./OLLAMA_MODELFILE_INT4
ollama run llava-llama3-int4 "xx.png 描述这张图片"

使用 llama.cpp 聊天

1. 构建 llama.cpp (文档)。
2. 构建 ./llava-cli (文档)。

注意：llava-llama-3-8b-v1_1 使用 Llama-3-instruct 聊天模板。

# fp16
./llava-cli -m ./llava-llama-3-8b-v1_1-f16.gguf --mmproj ./llava-llama-3-8b-v1_1-mmproj-f16.gguf --image YOUR_IMAGE.jpg -c 4096 -e -p "<|start_header_id|>user<|end_header_id|>\n\n<image>\n描述这张图片<|eot_id|><|start_header_id|>assistant<|end_header_id|>\n\n"

# int4
./llava-cli -m ./llava-llama-3-8b-v1_1-int4.gguf --mmproj ./llava-llama-3-8b-v1_1-mmproj-f16.gguf --image YOUR_IMAGE.jpg -c 4096 -e -p "<|start_header_id|>user<|end_header_id|>\n\n<image>\n描述这张图片<|eot_id|><|start_header_id|>assistant<|end_header_id|>\n\n"

复现

请参考文档。

引用

@misc{2023xtuner,
    title={XTuner: 高效微调 LLM 的工具包},
    author={XTuner 贡献者},
    howpublished = {\url{https://github.com/InternLM/xtuner}},
    year={2023}
}