Llama 3.2 视觉

Llama 3.2 视觉 现在可以在 Ollama 上运行，提供 11B 和 90B 两种尺寸。

入门

下载 Ollama 0.4，然后运行

ollama run llama3.2-vision

要运行更大的 90B 模型

ollama run llama3.2-vision:90b

要将图像添加到提示中，请将其拖放到终端中，或在 Linux 上将图像路径添加到提示中。

注意：Llama 3.2 视觉 11B 需要至少 8GB 的 VRAM，90B 模型需要至少 64GB 的 VRAM。

示例

手写

光学字符识别 (OCR)

图表和表格

图像问答

使用

首先，拉取模型

ollama pull llama3.2-vision

Python 库

要使用 Llama 3.2 视觉和 Ollama Python 库

import ollama

response = ollama.chat(
    model='llama3.2-vision',
    messages=[{
        'role': 'user',
        'content': 'What is in this image?',
        'images': ['image.jpg']
    }]
)

print(response)

JavaScript 库

要使用 Llama 3.2 视觉和 Ollama JavaScript 库

import ollama from 'ollama'

const response = await ollama.chat({
  model: 'llama3.2-vision',
  messages: [{
    role: 'user',
    content: 'What is in this image?',
    images: ['image.jpg']
  }]
})

console.log(response)

cURL

curl https://127.0.0.1:11434/api/chat -d '{
  "model": "llama3.2-vision",
  "messages": [
    {
      "role": "user",
      "content": "what is in this image?",
      "images": ["<base64-encoded image data>"]
    }
  ]
}'