我要投稿
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
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。
—
1. 手写识别
2. 光学字符识别（OCR）
3. 图表和表格
4. 图片问答
—
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 ollamaresponse = 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：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-06-11
AI提效99.5%！英国政府联手 Gemini，破解城市规划审批困局
2025-06-10
多模态 RAG VS 传统文本 RAG ，到底效果如何，从应用视角来测试下
2025-06-10
实战复盘 | 基于视觉模型的多模态 RAG 系统，我们踩过的坑与收获 (项目已开源)
2025-06-05
多模态模型在RagFlow中的应用
2025-06-04
清华首创多模态+知识图谱+RAG，问答精准度超 94%
2025-05-30
Deepseek 多模态来解析图片，结合上下文分析pdf文档
2025-05-28
Lovart再次证明：AI不是卖工具而是卖成果
2025-05-27
Dolphin-API：字节Dolphin多模态文档解析模型API化全攻略
2025-05-14
2025-03-26
2025-03-21
2025-04-27
2025-05-16
2025-05-08
2025-04-28
2025-04-05
2025-05-13
2025-05-15
回到顶部
粤ICP备17114055号