做网站设计最好的公司,wordpress更新空白,apicloud成品源码,网站排名下降的原因Ovis简介
Ovis是阿里国际AI团队开源的多模态大模型#xff0c;看新闻介绍效果不错#xff0c;在多个场景的测试下都能达到SOTA#xff0c;其中的Ovis1.6-Gemma2-9B在30B参数以下的模型中取得了综合排名第一#xff0c;赶超MiniCPM-V-2.6等行业优秀大模型。所以我也部署一个…Ovis简介
Ovis是阿里国际AI团队开源的多模态大模型看新闻介绍效果不错在多个场景的测试下都能达到SOTA其中的Ovis1.6-Gemma2-9B在30B参数以下的模型中取得了综合排名第一赶超MiniCPM-V-2.6等行业优秀大模型。所以我也部署一个看看效果是否能够帮我提升工作效率。
Ovis 1.6 Gemma2-9B 适用于多种场景包括但不限于
数学推理问答 能够准确回答数学问题。物体识别 识别花的品种等物体。文本提取 支持多种语言的文本提取。复杂任务决策 例如识别手写字体和复杂的数学公式。图像描述生成 通过对图片的识别处理能够给出菜谱。视觉问答 在图像理解任务上表现出色。
使用环境
操作系统 Ubuntu22.04
部署步骤
PIP库安装
1.克隆 Ovis 项目。如果 git clone 失败可以直接下载 .ZIP 压缩包 Ovis项目地址
git clone gitgithub.com:AIDC-AI/Ovis.git2.创建环境安装依赖。
conda create -n ovis python3.10 -y
conda activate ovis
cd Ovis
pip install -r requirements.txt
pip install -e .报错批注 在执行 pip install -r requirements.txt 时我遇到了下面的报错。 解决方法为先执行下面的代码再执行 pip install -r requirements.txt实践可解决问题。
pip install setuptools_scm模型下载
项目提供如图所示的三种参数大小的模型。我这里选择使用9B大小的 Ovis1.6-Gemma2-9B。9B适合个人本地部署使用根据自己的情况选择 更多链接见项目 1.考虑的下载速度和稳定性我这里使用 HuggingFace-Mirror 进行模型的下载。
git clone https://hf-mirror.com/AIDC-AI/Ovis1.6-Gemma2-9B模型推理
该项目提供了两种推理方式对应的程序都位于 /ovis/serve 目录中。
1.使用 runner.py 进行模型推理需修改 runner.py 代码内容后运行即可得到推理结果。
# 修改 runner.py 的这部分代码来实现推理
# 修改
# - model_path
# - image_path
# - promptif __name__ __main__:runner_args RunnerArguments(model_pathmodel_path)runner OvisRunner(runner_args)image Image.open(image_path)text promptresponse runner.run([image, text])print(response[output])修改内容后执行代码的效果如下。 上传的图片如下
2.运行 server.py 基于 Gradio 界面进行推理。
python ovis/serve/server.py --model_path MODEL_PATH --port PORT执行命令后会产生下面的界面。 server.py 的完整代码如下我加上了中文注释
import argparse
import os.pathimport gradio as gr
from gradio.components import Textbox, Image
from ovis.serve.runner import RunnerArguments, OvisRunnerclass Server:Server 类用于封装 OvisRunner 实例并提供一个可调用接口来处理图像和文本输入。它会接收来自 Gradio 界面的请求将这些请求传递给 OvisRunner 进行推理并返回结果。def __init__(self, runner: OvisRunner):初始化 Server 类实例时传入一个已经配置好的 OvisRunner 实例。:param runner: 已经初始化并准备就绪的 OvisRunner 实例。self.runner runnerdef __call__(self, image, text):当 Server 实例被像函数一样调用时此方法会被执行。接收图像和文本作为输入参数调用 runner.run 方法执行模型推理并返回模型输出的结果。:param image: 用户上传的 PIL 图像对象。:param text: 用户输入的文本字符串。:return: 模型推理得到的结果字符串。response self.runner.run([image, text]) # 执行模型推理output response[output] # 获取推理结果中的 output 字段return outputif __name__ __main__:parser argparse.ArgumentParser(description启动 Ovis 模型的服务端)# 添加命令行参数解析器选项parser.add_argument(--model_path, typestr, requiredTrue,help指定 Ovis 模型文件或目录的路径。)parser.add_argument(--flagging_dir, typestr, defaultos.path.expanduser(~/ovis-flagged),help设置保存用户提交数据副本标记的目录默认为 ~/ovis-flagged。)parser.add_argument(--max_partition, typeint, default9,help设置模型的最大分区数这可能与模型分片有关默认为 9。)parser.add_argument(--port, typeint, requiredTrue,help指定服务监听的端口号。)args parser.parse_args() # 解析命令行参数# 确保标记目录存在如果不存在则创建它os.makedirs(args.flagging_dir, exist_okTrue)# 创建 RunnerArguments 对象用于配置 OvisRunnerrunner_args RunnerArguments(model_pathargs.model_path,max_partitionargs.max_partition)# 使用 OvisRunner 和 Server 包装函数来创建 Gradio 应用程序界面demo gr.Interface(fnServer(OvisRunner(runner_args)), # 函数接收图像和文本返回模型输出inputs[Image(typepil, label图片), # 输入组件1用于上传图片Textbox(placeholder在这里输入文本..., label提示)], # 输入组件2用于输入文本outputsgr.Markdown(), # 输出组件以 Markdown 格式显示模型输出titleargs.model_path.split(/)[-1], # 应用标题通常是模型路径的最后一部分flagging_dirargs.flagging_dir # 标记目录保存用户提交的数据副本)# 启动 Gradio 应用程序监听指定端口demo.launch(server_portargs.port)推理实测
注 这里测评的是 Ovis 1.6 Gemma2-9B 没有大规模的严谨测试仅从使用角度上纯主观分享感受。
虽然我们可以看到各种说该模型的效果很强的帖子但是实测下来存在几个问题.
1.显存占用我使用的设备为24G显存可以正常执行纯文本任务。在输入图片时正常大小的图片都会导致炸显存 只测试到 400*400及以上。使用时需要考虑设备的显存大小。
2.文本提取文本提取功能效果一般效果如下所示。当图中有干扰的图像时不是很准确。
