通义千问VL中qwen-vl-plus模型图片的token怎么计算？
通义千问VL中qwen-vl-plus模型图片的token怎么计算？
展开
收起
1
条回答
写回答
写回答
-
在通义千问VL中，qwen-vl-plus模型对图片的token计算采用像素到token的转换公式。
具体为：512*512像素的图片大约对应334个token，其他像素尺寸按比例折算。
最小单位是28*28像素，相当于1个token，图片的长宽如果不是28的整数倍，则向上取到最接近的28的整数倍来计算。
因此，一张图片最少包含4个token，最多包含1280个token。
2024-08-13 19:04:43赞同 1 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
