← 返回卡片

原书出处

大语言模型-基础与前沿 (熊涛)

11 第11章 视觉语言模型

核验版本的摘录快照 · 导入于 2026-11-18T14:25:08.851Z

,仅训练一个投影层就可以有效地将视觉特征与大语言模型对齐。MiniGPT-4在4个A100 GPU上训练大约需要10h。

Zhu等还发现,仅使用来自公共数据集的原始图像-文本对将视觉特征与大语言模型对齐,并不足以开发高性能的MiniGPT-4模型。

这种方法可能会产生缺乏连贯性的、不自然的语言输出,包括重复的句子和断句。为了解决这一问题,使用高质量、对齐度高的数据集进

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter13.xhtml

EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d