

Phi 3 Vision 128k Instruct
简介 :
Phi-3 Vision是一个轻量级、最先进的开放多模态模型,基于包括合成数据和经过筛选的公开可用网站在内的数据集构建,专注于文本和视觉的非常高质量的推理密集数据。该模型属于Phi-3模型家族,多模态版本支持128K上下文长度(以token计),经过严格的增强过程,结合了监督微调和直接偏好优化,以确保精确的指令遵循和强大的安全措施。
需求人群 :
该模型面向广泛的商业和研究用途,特别是在需要视觉和文本输入能力的通用AI系统和应用程序中,适用于内存/计算受限环境、延迟受限场景、通用图像理解、OCR、图表和表格理解等。
使用场景
用于教育领域,帮助学生理解复杂概念。
在商业环境中,用于图像和文本数据的分析和处理。
在研究中,作为生成AI功能的强大基础模型。
产品特色
4.2B参数,包含图像编码器、连接器、投影器和Phi-3 Mini语言模型。
支持文本和图像输入,最适合使用聊天格式的提示。
上下文长度为128K tokens。
使用512 H100-80G GPU进行训练,训练时间为1.5天。
训练数据包含5000亿视觉和文本token。
输出为针对输入生成的文本。
模型训练日期为2024年2月至4月。
模型为静态模型,训练截止日期为2024年3月15日。
使用教程
1. 访问Azure AI模型库并选择Phi-3-vision-128k-instruct模型。
2. 根据需要进行模型的下载或部署。
3. 准备输入数据,包括文本和图像。
4. 设置模型参数,例如温度和最大新token数。
5. 将输入数据传递给模型并接收输出。
6. 分析模型输出,根据应用场景进行进一步处理。
精选AI产品推荐

Deepmind Gemini
Gemini是谷歌DeepMind推出的新一代人工智能系统。它能够进行多模态推理,支持文本、图像、视频、音频和代码之间的无缝交互。Gemini在语言理解、推理、数学、编程等多个领域都超越了之前的状态,成为迄今为止最强大的AI系统之一。它有三个不同规模的版本,可满足从边缘计算到云计算的各种需求。Gemini可以广泛应用于创意设计、写作辅助、问题解答、代码生成等领域。
AI模型
11.4M
中文精选

剪映dreamina
剪映Dreamina是抖音旗下的AIGC工具,用户可以根据文本内容生成由AI生成的创意图,支持修整图片大小比例和模板类型。未来会用于抖音的图文或短视频的内容创作,丰富抖音在AI创造方面的内容库。
AI图像生成
9.1M