SkillPedia Skills Encyclopedia
中文 EN
今日更新 2026-11-17 UTC

今天还没有新提交

查看更新动态

LLaVA-Plus-CodebaseLLaVA-VL/LLaVA-Plus-Codebase

为多模态大模型(LLaVA 系列)提供可复用的训练与推理代码骨架,重点解决视觉语言连接器选型、图像预处理策略与工具调用型智能体启动三类工程问题。核心功能要点包括:1.【视觉语言连接器配置】:通过 --mm_projector_type 参数…

还没有人评分 我要评分
Stars771
Forks60
Watchers771
Open Issues22

Install一键安装

待确认

这个仓库是否遵循 Agent Skills 规范(即是否含 SKILL.md)尚未核查完成。在结论出来之前,可以先克隆下来自行取用:

git clone https://github.com/LLaVA-VL/LLaVA-Plus-Codebase.git

Overview功能介绍

核心功能

为多模态大模型(LLaVA 系列)提供可复用的训练与推理代码骨架,重点解决视觉语言连接器选型、图像预处理策略与工具调用型智能体启动三类工程问题。核心功能要点包括:1.【视觉语言连接器配置】:通过 --mm_projector_type 参数选择 mlp2x_gelu 等两层 MLP 连接器,把视觉编码器输出映射到语言模型隐空间,使图文特征对齐可训练、可替换;2.【图像宽高比预处理】:通过 --image_aspect_ratio pad 对非正方形图像做填充式缩放,避免直接拉伸导致的形变,保证批量训练时输入尺寸一致;3.【工具工作进程启动】:提供 Launch tool workers 脚本入口,批量拉起多个工具服务进程,让智能体在推理阶段可以并行调用外部工具;4.【多模态智能体训练与推理脚本】:整合模型、数据与工具调用流程,支持在自有数据上复现和微调多模态智能体。

适用场景

多模态大模型微调实验、视觉语言连接器对比选型、图像预处理流水线搭建、工具调用型智能体本地部署与联调。

适用职业

AI / 算法工程师、后端开发工程师、全栈 / 独立开发者。

Topics主题标签

Rating用户评分

还没有人给这个技能评分。它是全站第一次被评价 —— 你的这一票就是最初的平均分。

给这个技能打分

填了才会进入下面的「按职业平均」。

每个 IP 只能投一票,投出后不能修改,请一次选准。不收集账号,也不用登录。

Repository仓库信息

技能 ID1816
数据来源GitHub
仓库全名LLaVA-VL/LLaVA-Plus-Codebase
所属分类AI 与多模态 / 多模态智能体与工具调用
主要语言Python
开源协议Apache License 2.0
默认分支main
GitHub 仓库 ID715592775
节点 IDR_kgDOKqcURw
榜单排名#928 (来源榜单内名次)
全站热度排名#1045 (按 Stars 实时计算,共 5833 条)

GrowthStar / Fork 增长

每天一次快照,记录 Star 与 Fork 的变化过程

02004006008002026-09-272026-10-112026-09-27 · 7712026-10-11 · 771
  • 当前771
  • 上一记录点 · 09-27 771
  • 较上一记录点 ±0
  • 共 2 个记录点 跨度 14 天
0204060802026-09-272026-10-112026-09-27 · 612026-10-11 · 60
  • 当前60
  • 上一记录点 · 09-27 61
  • 较上一记录点 -1
  • 共 2 个记录点 跨度 14 天

Timeline时间线

仓库创建2023-11-07 13:06:022023-11-07
资料最后更新2026-10-26 12:06:1721 天前
最近一次代码推送2024-02-01 12:51:102024-02-01

Commit更新记录

版本【latest】由提交人 HaoZhang534 提交,主要更新类型为:功能特性新增与扩展。提交说明:Add opensedd and controlnet worker (#18)。为项目引入了新的能力与模块支持。

a9f9d6f vlatest HaoZhang534 2023-12-04