YLX1965/llama3-2-11b-xray-v1

Llama-3.2-11B X 射线分析模型 (v1)

该模型是 unsloth/Llama-3.2-11B-Vision-Instruct-bnb-4bit 的微调版本，专为分析医学放射影像（X 射线、CT 扫描、超声）而设计。它在 ROCO 放射数据集 (unsloth/Radiology_mini) 的一个子集上进行训练，以生成图像的描述，充当专业的放射技师。

训练

该模型使用 Unsloth 进行微调，以实现 2 倍更快的训练速度并减少内存使用。关键训练细节：

• 基础模型： unsloth/Llama-3.2-11B-Vision-Instruct-bnb-4bit
• 数据集： unsloth/Radiology_mini
• LoRA 适配器： 使用了参数高效的微调，仅训练模型参数的一小部分。
  • r = 16
  • lora_alpha = 16
  • lora_dropout = 0
• 训练超参数：
  • learning_rate = 2e-4
  • per_device_train_batch_size = 2
  • gradient_accumulation_steps = 4
  • max_steps = 30 (或 num_train_epochs = 1 用于完整运行)
  • optimizer = adamw_8bit
• 微调配置:
  • finetune_vision_layers = False
  • finetune_language_layers = True
  • finetune_attention_modules = True
  • finetune_mlp_modules = True

用法

该模型设计为将图像和文本提示作为输入，并生成文本描述。预期的输入格式是一个对话，如下所示：

from unsloth import FastVisionModel
import torch
from transformers import TextStreamer

# 加载模型 (如果从本地加载，请将 "YLX1965/llama3-2-11b-xray-v1" 替换为您的模型路径)
model, tokenizer = FastVisionModel.from_pretrained(
    "YLX1965/llama3-2-11b-xray-v1",
    load_in_4bit = True,  # 对于 16 位加载，设置为 False
)
FastVisionModel.for_inference(model)

# 示例图像和指令 (替换为您的图像路径)
# from datasets import load_dataset
# dataset = load_dataset("unsloth/Radiology_mini", split="train")
# image = dataset[0]["image"]

image = "path/to/your/image.jpg" # 示例

instruction = "你是一位专业的放射科医生。请准确描述您在这张图片中看到的内容。"

messages = [
    {"role": "user", "content": [
        {"type": "image"},
        {"type": "text", "text": instruction}
    ]}
]

input_text = tokenizer.apply_chat_template(messages, add_generation_prompt = True)
inputs = tokenizer(
    image,
    input_text,
    add_special_tokens = False,
    return_tensors = "pt",
).to("cuda")

text_streamer = TextStreamer(tokenizer, skip_prompt = True)
_ = model.generate(**inputs, streamer = text_streamer, max_new_tokens = 128,
                  use_cache = True, temperature = 1.5, min_p = 0.1)