我要投稿

硬核升级！在Ollama中使用Llama3.2视觉模型

发布日期：2024-11-10 21:30:11 浏览次数： 2808

作者：AI未来智能宇宙

微信搜一搜，关注“AI未来智能宇宙”

“ 2024年11月6日，Ollama发布了0.4版本，新增支持在本地加载和运行Llama3.2视觉模型，包括11B和90B两个大小的版本。”

01

—

快速入门

1. 下载安装Ollama 0.4版本

下载地址： https://ollama.com

2. 运行Llama3.2视觉模型：

ollama run llama3.2-vision

3. 如果你的电脑配置足够强大，通过以下命令运行90B模型：

ollama run llama3.2-vision:90b

4. 要将一张图片添加到提示词中，可以拖动并释放它到终端中（Windows），或在Linux上将图片的路径添加到提示词中。

注意：Llama3.2视觉模型11B需要至少8GB的VRAM，而90B模型则需要至少64GB的VRAM。

‍

02

—

使用示例

1. 手写识别

2. 光学字符识别（OCR）

3. 图表和表格

4. 图片问答

03‍

—

使用方法

1. 首先拉取模型：

ollama pull llama3.2-vision

2. 调用Python库

可以通过Ollama Python库在代码中调用Llama3.2视觉模型

import ollama
response = ollama.chat(model='llama3.2-vision',messages=[{'role': 'user','content': 'What is in this image?','images': ['image.jpg']}])
print(response)

3. 调用JavaScript库

也可通过Ollama JavaScript库在代码中调用Llama3.2视觉模型

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)

4. 通过cURL调用

还可以通过cURL命令在命令行中调用

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>"]}]}'

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-12-15

万字拆解UI-TARS 2.0，看懂豆包手机背后的核心技术

2025-12-14

秒杀传统 TTS？！Gemini 原生中文 TTS 体验 + 提示词模板

2025-12-14

别被“多模态”骗了：用一本200页的教材，我测出了GPT-5.2和Gemini的物种代差

2025-12-11

Qwen3-Omni新升级:声形意合，令出智随！

2025-12-11

首发实测智谱 GLM-TTS：3秒克隆我的声音，连「哎等等这bug怎么回事」都学会了

2025-12-11

硅基流动上线智谱视觉模型 GLM-4.6V

2025-12-11

GLM-TTS技术报告：基于多奖励强化学习的可控发音语音合成

2025-12-11

Qwen3-TTS全面升级：声情并茂，语通八方

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

手把手教学：用n8n+RSS+飞书实现多平台热点自动抓取（含RSS源分享）

2025-09-19

谁是OCR王者？MinerU、PaddleOCR、DeepSeek-OCR 实测对比，集成一个多模态PDF解析系统

2025-11-10

微软又上大分！刚刚开源一款 0.5B 轻量级实时 TTS 模型，还能边想边说！

2025-12-06

DeepSeek-OCR 实测

2025-10-22

DeepSeek-OCR多模态数据分析Agent实战

2025-10-31

Qwen3-Omni：一个模型，全能不偏科

2025-09-25

多模态AI质检：身份核验场景实践

2025-09-17

阿里 Qwen3-TTS 全新上线！支持9种方言+49种音色，连天津味儿都拿捏了！

2025-12-07

Doc-Researcher：多模态文档解析准确率提升3.4倍

2025-11-03

Gemini 3 多模态Prompt：手相宗师 - 玄师

2025-11-19

大家都在问

GenAI的多模态数据智能平台如何构建？

2025-08-04

本地AI对话神奇，ChatWise到底有什么用？

2025-05-26

什么是基于知识图谱的多模态推理？

2025-05-13

AI数字人领域重大突破：告别拼凑式合成，阿里OmniTalker能否开启音视频一体化新时代？

2025-04-08

Midjourney V7全面测评：50组多风格提示词实测，是否还有领先优势?

2025-04-05

如何结合多模态RAG和异步调用实现大模型内容理解？

2025-03-30

Chat GPT文生图不用DALL·E模型了？

2025-03-26

如何构建多模态AI知识库？

2025-03-05

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部