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。
Repository仓库信息
| 技能 ID | 1816 |
|---|---|
| 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 ID | 715592775 |
| 节点 ID | R_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
- 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
- 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。