数据集:
- Lin-Chen/ShareGPT4V
任务类型: 图像转文本
模型说明
llava-llama-3-8b-v1_1是基于meta-llama/Meta-Llama-3-8B-Instruct和CLIP-ViT-Large-patch14-336模型,使用ShareGPT4V-PT和InternVL-SFT数据集,通过XTuner微调得到的LLaVA模型。
注意:该模型为GGUF格式。
相关资源:
详细参数
模型 |
视觉编码器 |
投影器 |
分辨率 |
预训练策略 |
微调策略 |
预训练数据集 |
微调数据集 |
LLaVA-v1.5-7B |
CLIP-L |
MLP |
336 |
冻结LLM,冻结ViT |
全量LLM,冻结ViT |
LLaVA-PT (558K) |
LLaVA-Mix (665K) |
LLaVA-Llama-3-8B |
CLIP-L |
MLP |
336 |
冻结LLM,冻结ViT |
全量LLM,LoRA ViT |
LLaVA-PT (558K) |
LLaVA-Mix (665K) |
LLaVA-Llama-3-8B-v1.1 |
CLIP-L |
MLP |
336 |
冻结LLM,冻结ViT |
全量LLM,LoRA ViT |
ShareGPT4V-PT (1246K) |
InternVL-SFT (1268K) |
性能表现
模型 |
MMBench测试(EN) |
MMBench测试(CN) |
CCBench开发集 |
MMMU验证集 |
SEED-IMG |
AI2D测试 |
ScienceQA测试 |
HallusionBench准确率 |
POPE |
GQA |
TextVQA |
MME |
MMStar |
LLaVA-v1.5-7B |
66.5 |
59.0 |
27.5 |
35.3 |
60.5 |
54.8 |
70.4 |
44.9 |
85.9 |
62.0 |
58.2 |
1511/348 |
30.3 |
LLaVA-Llama-3-8B |
68.9 |
61.6 |
30.4 |
36.8 |
69.8 |
60.9 |
73.3 |
47.3 |
87.2 |
63.5 |
58.0 |
1506/295 |
38.2 |
LLaVA-Llama-3-8B-v1.1 |
72.3 |
66.4 |
31.6 |
36.8 |
70.1 |
70.0 |
72.9 |
47.7 |
86.4 |
62.6 |
59.0 |
1469/349 |
45.1 |
快速开始
下载模型
wget https://huggingface.co/xtuner/llava-llama-3-8b-v1_1-gguf/resolve/main/llava-llama-3-8b-v1_1-mmproj-f16.gguf
wget https://huggingface.co/xtuner/llava-llama-3-8b-v1_1-gguf/resolve/main/llava-llama-3-8b-v1_1-f16.gguf
wget https://huggingface.co/xtuner/llava-llama-3-8b-v1_1-gguf/resolve/main/llava-llama-3-8b-v1_1-int4.gguf
wget https://huggingface.co/xtuner/llava-llama-3-8b-v1_1-gguf/resolve/main/OLLAMA_MODELFILE_F16
wget https://huggingface.co/xtuner/llava-llama-3-8b-v1_1-gguf/resolve/main/OLLAMA_MODELFILE_INT4
通过ollama
对话
ollama create llava-llama3-f16 -f ./OLLAMA_MODELFILE_F16
ollama run llava-llama3-f16 "xx.png 描述这张图片"
ollama create llava-llama3-int4 -f ./OLLAMA_MODELFILE_INT4
ollama run llava-llama3-int4 "xx.png 描述这张图片"
通过llama.cpp
对话
- 编译llama.cpp (文档)。
- 编译
./llava-cli
(文档)。
注意:llava-llama-3-8b-v1_1使用Llama-3-instruct对话模板。
./llava-cli -m ./llava-llama-3-8b-v1_1-f16.gguf --mmproj ./llava-llama-3-8b-v1_1-mmproj-f16.gguf --image 你的图片.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"
./llava-cli -m ./llava-llama-3-8b-v1_1-int4.gguf --mmproj ./llava-llama-3-8b-v1_1-mmproj-f16.gguf --image 你的图片.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"
复现方法
请参考文档。
引用
@misc{2023xtuner,
title={XTuner: 高效微调大语言模型的工具包},
author={XTuner贡献者},
howpublished = {\url{https://github.com/InternLM/xtuner}},
year={2023}
}