モデル概要

Watashiha-Llama-2-13B-Ogiri-sftLLaVAで学習し、画像に対応した大喜利言語モデルです。
Vision Encoderにはlaion/CLIP-ViT-B-32-laion2B-s34B-b79Kを使用しています。

学習データ

事前学習のデータにはSTAIR Captionsを使用しています。
STAIR Captionsのデータで学習する際、 MS COCO 2014で以下のライセンスが付与されている画像データは使用しないようにしました。

Fine-tuningのデータには以下のデータを使用しています。

使用方法

以下のGoogle Colabのサンプルコードを参考にしてください。
サンプルコード

開発者

  • 内田 達弥 (UCHIDA, Tatsuya)
Downloads last month
17
Safetensors
Model size
13.3B params
Tensor type
BF16
·
Inference Examples
This model does not have enough activity to be deployed to Inference API (serverless) yet. Increase its social visibility and check back later, or deploy to Inference Endpoints (dedicated) instead.