模型详情
模型介绍
中文整理模型用途
Bunny是一个轻量级但功能强大的多模态模型家族，旨在提供高效的多模态理解和生成能力。
主要能力
Bunny提供多种即插即用的视觉编码器（包括EVA-CLIP、SigLIP）和语言骨干网络（包括Llama-3-8B、Phi-1.5、StableLM-2、Qwen1.5、MiniCPM、Phi-2）。通过从更广泛的数据源中进行精选，构建了更丰富的训练数据，以弥补模型规模的减小。Bunny-v1.0-3B基于SigLIP和Phi-2构建，在相似规模的模型中表现优于最先进的MLLMs，甚至可与13B规模的模型相媲美。Bunny-v1.0-2B-zh专注于中文任务，在MMBench-CN测试集上达到59.5分。
输入输出
模型接受图像和文本作为输入，输出文本响应。
运行要求
需要CUDA支持。如果CUDA内存充足，通过设置CUDA VISIBLE DEVICES=0可以加快执行速度。使用前需安装相应依赖项。
基本用法
模型在LAION-2M数据集上进行预训练，然后在Bunny-695K数据集上进行微调。具体使用方法可参考官方代码示例。
限制
本项目使用的某些数据集和检查点受其各自原始许可证约束。用户必须遵守所有原始许可证的条款和条件。
许可证
本项目内容采用Apache 2.0许可证。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。
