LLaVA_MORE-llama_3_1-8B-siglip-finetuning
Model pembuatan gambar LLaVA_MORE-llama_3_1-8B-siglip-finetuning dari aimagelab memuat 8 miliar parameter ke dalam sebuah . LLaVA_MORE-llama_3_1-8B-siglip-finetuning is an open-weights image model with roughly 8 billion parameters.
by aimagelab · 8B parameter
Paling cocok untuk
Cara menggunakan LLaVA_MORE-llama_3_1-8B-siglip-finetuning di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key aimagelab Anda. osFoundry menemukan LLaVA_MORE-llama_3_1-8B-siglip-finetuning secara otomatis — tetapkan ke peran Maestro (router, direct, orchestrator, atau fallback) di tab Pipeline dan model ini langsung aktif di setiap chat. Key Anda, akun provider Anda — tanpa markup token.
Deploy endpoint khusus
LLaVA_MORE-llama_3_1-8B-siglip-finetuning bersifat open-weights — jalankan secara lokal tanpa biaya, atau deploy endpoint GPU khusus di workspace Anda untuk kapasitas tercadangkan tanpa rate limit.
Gunakan di Room App
Room App mendeklarasikan fitur AI di manifest mereka, lalu memanggilnya dengan invokeAI:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Panggil dari aplikasi Anda sendiri
Setelah sebuah model terhubung ke workspace Anda, Anda dapat meng-host-nya sebagai API dan mengaksesnya dari layanan, skrip, atau CI Anda sendiri — di luar osFoundry.
Hardware apa yang dapat menjalankan LLaVA_MORE-llama_3_1-8B-siglip-finetuning
LLaVA_MORE-llama_3_1-8B-siglip-finetuning berjalan di satu GPU konsumen 16GB (~5 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~20 GB).
LLaVA_MORE-llama_3_1-8B-siglip-finetuning vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang LLaVA_MORE-llama_3_1-8B-siglip-finetuning
Apakah LLaVA_MORE-llama_3_1-8B-siglip-finetuning gratis untuk digunakan?
LLaVA_MORE-llama_3_1-8B-siglip-finetuning gratis untuk dijalankan secara lokal pada hardware Anda sendiri. Akses ter-host melalui osFoundry dikenakan biaya (input Free (local), output Free (local)). Anda dapat beralih antara lokal dan ter-host kapan saja.
Bisakah saya menggunakan LLaVA_MORE-llama_3_1-8B-siglip-finetuning secara komersial?
Penggunaan komersial diizinkan dengan syarat. Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial. Periksa dokumentasi upstream.
Berapa VRAM yang dibutuhkan LLaVA_MORE-llama_3_1-8B-siglip-finetuning?
Sekitar 5 GB pada kuantisasi Q4, atau 20 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan LLaVA_MORE-llama_3_1-8B-siglip-finetuning secara lokal?
Ya. LLaVA_MORE-llama_3_1-8B-siglip-finetuning bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama LLaVA_MORE-llama_3_1-8B-siglip-finetuning?
LLaVA_MORE-llama_3_1-8B-siglip-finetuning sangat cocok untuk image text to text.
Bagaimana cara menggunakan LLaVA_MORE-llama_3_1-8B-siglip-finetuning di osFoundry?
Tempelkan API key aimagelab Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan LLaVA_MORE-llama_3_1-8B-siglip-finetuning ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh aimagelab pada 16 Agustus 2024. Sumber: https://huggingface.co/aimagelab/LLaVA_MORE-llama_3_1-8B-siglip-finetuning