Wizja · Haotian Liu

LLaVA Instruct

Zbiór danych do wizualnego strojenia instrukcyjnego. Zawiera 158 tys. unikalnych par język–obraz w formacie instrukcji, dzięki którym LLM-y zaczynają „widzieć”.

Zobacz na Hugging Face →Przeczytaj publikację

Wczytaj

from datasets import load_dataset
ds = load_dataset("liuhaotian/LLaVA-Instruct-150K")

Podgląd przykładowego wiersza

{
  "image": "coco_train_000000581929.jpg",
  "conversations": [
    { "from": "human", "value": "What is unusual about this image?" },
    { "from": "gpt", "value": "The man is ironing clothes on the back of a taxi..." }
  ]
}

Najczęstsze pytania

Czy mogę użyć LLaVA Instruct komercyjnie?

Nie w produkcie — LLaVA Instruct jest udostępniony na licencji CC-BY-NC 4.0, która ogranicza użycie do badań i innych celów niekomercyjnych. Do komercyjnego fine-tuningu wybierz zbiór na liberalnej licencji z tej samej kategorii.

Ile danych zawiera LLaVA Instruct i czy potrzebuję wszystkich?

LLaVA Instruct zawiera 158k Samples. Rzadko potrzebujesz całości: do fine-tuningu stylu i formatu wystarcza kilkaset–kilka tysięcy przykładów — załaduj wycinek (np. split="train[:1000]") i zwiększaj skalę tylko, gdy jakość przestaje rosnąć.

Do czego LLaVA Instruct nadaje się najlepiej?

Adding image understanding to an open LLM (the LLaVA recipe). Należy do sekcji „Wizja" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.