florence2-finetuning

视觉语言模型的高效微调实现

本项目展示了Florence-2模型的微调方法。Florence-2是一个基础视觉语言模型，特点是模型小且性能强。项目包含模型安装、数据准备和代码修改说明，并提供单GPU及分布式训练脚本。这些工具可用于Florence-2的特定任务训练，适用于各种计算机视觉和视觉语言任务。

Github

Huggingface

文档

论文

介绍相关项目

LLamaTuner - 大语言模型微调工具，支持几乎所有GPU

GithubLLamaTunerSupervised fine-tuning dataset大语言模型开源项目数据预处理模型训练

LLamaTuner是一款高效、灵活且功能全面的大语言模型微调工具。支持在几乎所有GPU上进行大语言模型的预训练和微调，包括单个8GB GPU上微调7B LLM和超过70B模型的多节点微调。自动调度高性能算子如FlashAttention和Triton内核，兼容DeepSpeed以提升训练吞吐量。支持多种LLM和VLM，以及QLoRA和LoRA等多种训练算法，提供连续预训练、指令微调和代理微调等功能，还能与大型模型进行对话。

Meta-Llama-3.1-8B-Instruct - 创新技术实现大型语言模型微调的高效优化

GithubHuggingfaceLlama 3.1Unsloth内存优化开源项目性能提升模型模型微调

该项目开发了一种高效方法，大幅提升Llama 3.1、Gemma 2和Mistral等大型语言模型的微调效率。通过提供多个免费的Google Colab笔记本，项目使各类用户都能便捷地微调Llama-3 8B、Gemma 7B和Mistral 7B等模型。这些笔记本界面友好，适合各层次用户使用。采用此方法可将微调速度提升2-5倍，同时将内存使用降低最多70%，显著优化了资源利用。

Mistral-Nemo-Instruct-2407 - 快速高效的模型微调工具，降低内存消耗

GithubGoogle ColabHuggingfaceMistralUnsloth开源项目微调性能优化模型

利用Unsloth技术，在简化操作的同时，在Google Colab环境下实现模型微调，速度提升至5倍，内存使用降低70%。界面设计便于数据集上传和模型优化，并支持导出为GGUF、vLLM格式或上传至Hugging Face。兼容多种模型如Llama、Gemma、Mistral等，即便大型模型也可显著加快微调过程。

MiniCPM-V-2_6-int4 - 精简高效的多语言视觉AI对话模型

GithubHugging FaceHuggingfaceMiniCPM-V图像识别多模态开源项目模型量化模型

MiniCPM-V-2_6-int4是一款经过int4量化的多语言视觉对话模型，GPU内存占用仅约7GB。该模型支持图像理解、OCR、多图像处理和视频分析等视觉任务，可通过Python代码实现流式输出。作为一个资源友好型视觉AI工具，MiniCPM-V-2_6-int4在保持性能的同时提高了部署效率，适合开发者进行各类视觉AI应用开发。

mistral-7b-instruct-v0.3 - 高效finetune解决方案，减少内存占用提升速度

GithubHuggingfaceMistralUnsloth开源项目性能提升模型神经网络调优

这款通过Unsloth技术的Google Colab笔记本集合，简化了Mistral、Gemma和Llama等AI模型的finetune过程。简单操作即可提高模型速度超过两倍，并显著降低内存占用，同时允许将优化的模型导出为GGUF、vLLM，或上传至Hugging Face，适合初学者使用。

Firefly - 开源大模型训练平台

FireflyGithubQLoRA大模型训练开源项目指令微调预训练

Firefly作为一个开源大模型训练工具，提供预训练、指令微调和DPO的全面解决方案。支持LoRA、QLoRA等高效训练技术，并涵盖多种主流大模型如Qwen2、Yi-1.5，特别适合显存和资源有限的环境。项目不仅开源多种数据集，还在Open LLM排行榜中展示了QLoRA训练的高效性，并与Unsloth合作，进一步优化了训练效率和显存使用。

vilt-b32-finetuned-vqa - ViLT：基于Transformer的无卷积视觉语言问答模型

GithubHuggingfaceViLTVision-and-Language Transformer图像处理开源项目模型自然语言处理视觉问答

vilt-b32-finetuned-vqa是一个在VQAv2数据集上微调的视觉问答模型，基于ViLT架构。该模型无需卷积或区域监督，可高效处理图像和文本的多模态任务。通过PyTorch，开发者能轻松实现视觉问答功能，只需输入图像和问题即可。这一模型为视觉语言理解领域的研究和应用提供了有力支持。

NVLM-D-72B - 开源前沿级多模态大语言模型实现视觉语言任务的最新突破

GithubHuggingfaceNVLM人工智能多模态大语言模型开源项目模型视觉语言

NVLM-D-72B是一款开源的多模态大语言模型，在视觉语言任务上表现卓越，达到了与顶级专有和开源模型相当的水平。该模型不仅擅长视觉语言任务，在多模态训练后其纯文本处理能力也有所提升。NVLM-D-72B可执行光学字符识别、多模态推理、定位、常识推理等多种任务，为AI研究社区提供了强大的开源多模态能力。

VILA1.5-3b - 交错图像文本预训练的视觉语言模型突破

GithubHuggingfaceVILA图像文本预训练多图像推理开源项目模型视觉语言模型边缘部署

VILA1.5-3b是一款基于交错图像-文本数据预训练的视觉语言模型。它具备多图像推理、上下文学习和视觉思维链等能力,可通过AWQ 4位量化部署于边缘设备。该模型采用交错图像-文本预训练、语言模型解冻和指令数据重混合等创新技术,有效提升了视觉语言和纯文本任务性能。VILA1.5-3b支持多种硬件架构,适用于计算机视觉、自然语言处理等研究领域。

cogvlm-chat-hf - 开源视觉语言模型CogVLM在多项跨模态基准测试中超越PaLI-X 55B

CogVLMGithubHuggingface图像识别多模态开源开源项目模型视觉语言模型

CogVLM是一款开源视觉语言模型，具有100亿视觉参数和70亿语言参数。在NoCaps、Flicker30k等10个经典跨模态基准测试中，CogVLM实现了最先进的性能，部分超越PaLI-X 55B。其架构包括视觉变换器编码器、MLP适配器、预训练语言模型和视觉专家模块。CogVLM能进行多模态对话，适用于图像描述和视觉问答等任务。该模型对学术研究开放，经登记后可免费用于商业用途。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com