Llama 3.2 Vision 现已可在 Ollama 中运行，提供 11B 和 90B 两种规模。
入门指南
下载 Ollama 0.4，然后运行以下命令：
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，拖放图像到终端，或在 Linux 中将图像路径添加到提示中。
注意：Llama 3.2 Vision 11B 至少需要 8GB 的 VRAM，90B 模型至少需要 64GB 的 VRAM 。
示例
手写
光学字符识别 (OCR)
图表与表格
图像问答
使用方法
首先，拉取模型：
ollama pull llama3.2-vision
Python 库
使用 Ollama Python 库[1]与 Llama 3.2 Vision：
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
使用 Ollama JavaScript 库[2]与 Llama 3.2 Vision：
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 http://localhost:11434/api/chat -d '{
"model": "llama3.2-vision",
"messages": [
{
"role": "user",
"content": "what is in this image?",
"images": ["<base64-encoded image data>"]
}
]
}'
参考资料
Python 库: https://github.com/ollama/ollama-python
[2]JavaScript 库: https://github.com/ollama/ollama-js
原文：https://ollama.com/blog/llama3.2-vision
致谢
如果您觉得这篇文章对你有帮助或启发，请不吝点赞、在看、转发，让更多人受益。同时，欢迎给个星标⭐，以便第一时间收到我的最新推送。每一个互动都是对我最大的鼓励。让我们携手并进，共同探索未知，见证一个充满希望和伟大的未来！
技术交流
加入「AI生成未来社区」群聊，一起交流讨论，涉及 图像生成、视频生成、3D生成、具身智能等多个不同方向，备注不同方向邀请入群！可添加小助手备注方向加群！
