AIbase

L

Llama 3.2 11B Vision Invoices Mini

由 atulSethi 开发
基于unsloth/llama-3.2-11b-vision-instruct-unsloth-bnb-4bit微调的多模态大语言模型，支持视觉指令理解任务，使用Unsloth优化训练速度提升2倍。
文本生成图像
Transformers
英语
开源协议:Apache-2.0#视觉指令微调#4bit量化推理#Unsloth加速
下载量 46
发布时间 : 3/10/2025
模型介绍
内容详情
替代品

模型简介

这是一个支持视觉和文本指令的多模态大语言模型，适用于多模态理解和生成任务。

模型特点

高效训练优化
使用Unsloth和Huggingface TRL库进行训练，速度提升2倍
多模态能力
支持视觉和文本指令的理解与生成
量化压缩
采用4bit量化技术，减少模型存储和计算需求

模型能力

文本生成
视觉指令理解
多模态推理
指令跟随

使用案例

多模态交互
视觉问答
根据图像内容回答相关问题
图像描述生成
为输入图像生成自然语言描述
内容生成
多模态内容创作
结合视觉和文本输入生成创意内容