潍坊网站外包,模板下载网站织梦模板,网站不推广如何排名,中国建筑第八工程局招聘信息一、项目简介
MiniCPM-V 系列是专为视觉-语⾔理解设计的多模态⼤型语⾔模型#xff08;MLLMs#xff09;#xff0c;提供⾼质量的⽂本输出#xff0c;已发布4个版本。
1.1 主要模型及特性
#xff08;1#xff09;MiniCPM-Llama3-V 2.5#xff1a;
参数规模: 8B性能… 一、项目简介
MiniCPM-V 系列是专为视觉-语⾔理解设计的多模态⼤型语⾔模型MLLMs提供⾼质量的⽂本输出已发布4个版本。
1.1 主要模型及特性
1MiniCPM-Llama3-V 2.5
参数规模: 8B性能: 超越GPT-4V-1106、Gemini Pro、Qwen-VL-Max和Claude 3⽀持30种语⾔多模态对话增强OCR和指令跟随能⼒。部署: 量化、编译优化可⾼效部署于端侧设备上的CPU和NPU。
2MiniCPM-V 2.0
参数规模: 2B性能: 超越Yi-VL 34B、CogVLM-Chat 17B和Qwen-VL-Chat 10B可处理任意纵横⽐和180万像素图像例如1344x1344低幻觉率。 1.2 MiniCPM-Llama3-V 2.5 关键特性
领先的性能平均得分65.1OpenCompass超越多款专有模型。强⼤的OCR能⼒处理任意纵横⽐和180万像素图像OCRBench评分700提供全⽂OCR提取和表格到Markdown转换等⾼级实⽤功能。值得信赖的⾏为采⽤RLAIF-V⽅法幻觉率10.3%优于GPT-4V-1106。多语⾔⽀持⽀持30种语⾔含德语、法语、⻄班⽛语、意⼤利语、韩语等。⾼效部署模型量化、CPU/NPU优化实现端侧设备上的150倍图像编码加速和3倍语⾔解码加速。易⽤性⽀持llama.cpp、ollamaGGUF格式量化模型LoRA微调流输出本地WebUI演示和HuggingFaceSpaces交互演示。
1.3 MiniCPM-V 2.0 关键特性
MiniCPM-V 2.0这是MiniCPM系列的多模态版本。该模型基于MiniCPM 2.4B和SigLip-400M构建总共有2.8B参数。MiniCPM-V 2.0显示出强⼤的OCR和多模态理解能⼒在开源模型中的OCRBench上表现出⾊甚⾄在场景⽂本理解上可以与Gemini Pro相媲美。
前沿性能在多个基准测试中表现优异如 OCRBench、TextVQA 等。超越 Qwen-VL-Chat 9.6B、CogVLM-Chat 17.4B 和 Yi-VL 34B。强⼤的 OCR 能⼒与 Gemini Pro 性能相当。可信⾏为使⽤多模态 RLHF 技术防⽌⽣成不符合事实的⽂本。与 GPT-4V 在防⽌幻觉⽅⾯匹配。⾼分辨率图像处理接受 180万像素例如1344x1344的图像⽀持任意⻓宽⽐。提升对细粒度视觉信息的感知能⼒。⾼效能⾼效部署于⼤多数 GPU 和个⼈电脑⽀持移动设备。使⽤感知器重采样技术降低内存成本并提升速度。双语⽀持⽀持英语和中⽂的双语多模态能⼒。基于 VisCPM 技术实现跨语⾔的⼀般化多模态能⼒。
⼆、案例实战
2.1 环境配置
conda create -n cpm python3.11
conda activate cpm# 下载项⽬并进⾏依赖包安装
git clone https://github.com/OpenBMB/MiniCPM-V.git
cd MiniCPM-Vpip install -r requirements.txt
# 单独安装
pip install bitsandbytes streamlit gguf
2. 模型下载
# 前提安装git和git-lfs【可选如果已安装则跳过】
sudo apt update
sudo apt install git
curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | sudo
bash
sudo apt-get install git-lfs
git lfs install
# 下载模型以int4量化的MiniCPM-Llama3-V-2_5为例
git clone https://huggingface.co/openbmb/MiniCPM-Llama3-V-2_5-int4
[无法访问外网的同学可以把上面最后一行改为国内镜像地址
git clone https://hf-mirror.com/openbmb/MiniCPM-Llama3-V-2_5-int4] 三. 本地 WebUI Demo
3.1 基于 Gradio 实现
# 注意需要修改脚本 web_demo_2.5.py 中的代码
# ① model_path xxx
# ② server_port xxx
cd MiniCPM-V/
python web_demo_2.5.py
3.2 基于 Streamlit 实现
# 注意需要修改脚本 web_demo_streamlit-2_5.py 中的代码
# ① model_path xxx
# ② model AutoModel.from_pretrained(model_path, trust_remote_codeTrue,
torch_dtypetorch.float16, device_mapcuda)
streamlit run web_demo_streamlit-2_5.py --server.port 6006 --server.address 0.0.0.0
四. 多轮对话
# 注意需要修改 chat.py 中的代码
self.model AutoModel.from_pretrained(model_path, trust_remote_codeTrue,
device_mapcuda)
self.model.eval()
新建demo.py
# 案例-多轮对话
from chat import MiniCPMVChat, img2base64
import torch
import json
torch.manual_seed(0)
chat_model MiniCPMVChat(/root/autodl-tmp/models/MiniCPM-Llama3-V-2_5-int4)
im_64 img2base64(./assets/airplane.jpeg)
# 第⼀轮对话
msgs [{role: user,
content: Tell me the model of this aircraft.}]
inputs {image: im_64,
question: json.dumps(msgs)}
answer chat_model.chat(inputs)
print(answer)
# 第⼆轮对话
# 传递多轮对话的历史上下⽂
msgs.append({role: assistant,
content: answer})
msgs.append({role: user,
content: Introduce something about Airbus A380.})inputs {image: im_64,
question: json.dumps(msgs)}
answer chat_model.chat(inputs)
print(answer)
五. 基于 llama.cpp 推理
5.1 环境配置
# 1. 下载项⽬
git clone -b minicpm-v2.5 https://github.com/OpenBMB/llama.cpp.git
cd llama.cpp
# 2. 安装 g (可选如果已经安装则跳过)
sudo apt update
sudo apt install g
# 3. 在项⽬ llama.cpp/ ⽬录下执⾏命令
make
make minicpmv-cli
5.2 模型量化
# 4. 模型格式转换hf - gguf
# 【可选操作】可以直接 下载gguf模型
python ./examples/minicpmv/minicpmv-surgery.py -m /root/autodl-tmp/models/MiniCPM-Llama3-
V-2_5
python ./examples/minicpmv/minicpmv-convert-image-encoder-to-gguf.py -m /root/autodltmp/models/MiniCPM-Llama3-V-2_5 --minicpmv-projector /root/autodl-tmp/models/MiniCPMLlama3-V-2_5/minicpmv.projector --output-dir /root/autodl-tmp/models/MiniCPM-Llama3-V-2_5/
--image-mean 0.5 0.5 0.5 --image-std 0.5 0.5 0.5
python ./convert.py /root/autodl-tmp/models/MiniCPM-Llama3-V-2_5/model --outtype f16 --
vocab-type bpe
# 5. quantize int4 version
./quantize /root/autodl-tmp/models/MiniCPM-Llama3-V-2_5/model/model-8B-F16.gguf
/root/autodl-tmp/models/MiniCPM-Llama3-V-2_5/model/ggml-model-Q4_K_M.gguf Q4_K_M
5.3 模型推理
# 6. 基于量化版模型进⾏推理
# run f16 version
./minicpmv-cli -m /root/autodl-tmp/models/MiniCPM-Llama3-V-2_5/model/model-8B-F16.gguf --
mmproj /root/autodl-tmp/models/MiniCPM-Llama3-V-2_5/mmproj-model-f16.gguf -c 4096 --temp
0.7 --top-p 0.8 --top-k 100 --repeat-penalty 1.05 --image /root/autodl-tmp/MiniCPMV/assets/airplane.jpeg -p What is in the image?
# run quantized int4 version(4bit量化推理)
./minicpmv-cli -m /root/autodl-tmp/models/MiniCPM-Llama3-V-2_5/model/ggml-modelQ4_K_M.gguf --mmproj /root/autodl-tmp/models/MiniCPM-Llama3-V-2_5/mmproj-model-f16.gguf -c
4096 --temp 0.7 --top-p 0.8 --top-k 100 --repeat-penalty 1.05 --image /root/autodltmp/MiniCPM-V/assets/airplane.jpeg -p What is in the image?
# or run in interactive mode交互模式
./minicpmv-cli -m /root/autodl-tmp/models/MiniCPM-Llama3-V-2_5/model/ggml-modelQ4_K_M.gguf --mmproj /root/autodl-tmp/models/MiniCPM-Llama3-V-2_5/mmproj-model-f16.gguf -c
4096 --temp 0.7 --top-p 0.8 --top-k 100 --repeat-penalty 1.05 --image /root/autodltmp/MiniCPM-V/assets/airplane.jpeg -i
