👀+🧠=nanoVLM！打造你自己的视觉语言模型，从未如此简单！
我们正式推出 nanoVLM：一个用纯 PyTorch 实现的超简洁 Vision Language Model（VLM）训练工具包 🎯。灵感来源于 Karpathy 的 nanoGPT，它是图文多模态世界的“极简入门门票”！

✨ 主要亮点：
📦 开箱即用：支持在免费 Colab Notebook 上快速启动训练，无需本地配置
🧠 模型结构清晰：视觉部分基于 SigLIP，语言部分基于 Llama3 架构，模态对齐只需一个投影模块
🐣 初学者友好：代码量极简，文件结构扁平，适合深入学习 VLM 架构
📊 任务聚焦：目前以 Visual Question Answering 为训练目标，支持图文问答推理
🚀 轻量训练：示例模型在单张 H100 GPU 上仅训练 6 小时，已具备多模态理解能力

🧪 我们也在 Hugging Face Hub 发布了训练好的 nanoVLM 模型和交互式 Space，支持在线图文问答体验！感兴趣的开发者可以基于它继续训练或微调。

🤗 欢迎加入我们的中文社区：Chinese LLMs on Hugging Face，一起打造你的第一个视觉语言模型！
#视觉语言模型##Hugging Face##开源工具包#