/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
2,7 млрд
Размер весов
6,3 ГБ
Лицензия
Apache 2.0
Архитектура
bunny-minicpm · dense
Опубликована
18 апр 2024

Bunny-v1_0-3B-zh

Генерация текстаТекст → текст3 профессии

Мультимодальная модель Bunny на основе MiniCPM-2B и SigLIP для диалога и ответов на вопросы по изображениям, ориентированная на китайский язык.

167скачиваний за 30 дней0лайковвеса обновлены11 июн 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Bunny-v1_0-3B-zh — мультимодальная модель семейства Bunny от BAAI. Она сочетает языковую модель MiniCPM-2B с визуальным энкодером SigLIP и предназначена для диалога и ответов на вопросы по изображениям, с особым акцентом на китайский язык. По данным карточки, модель набрала 64,9 на тестовой части MMBench-CN.

Модель содержит 2,7 млрд параметров, принимает изображения и текстовые запросы и генерирует текст. Длина контекста составляет 2048 токенов. В карточке описаны предварительное обучение на LAION-2M и дообучение на Bunny-695K. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

Модель подходит для диалоговых сценариев, требующих интерпретации изображений на китайском языке. Её оценка приведена для MMBench-CN; карточка не сообщает сопоставимых результатов для других языков и сценариев, поэтому переносить эту оценку на них не следует.

Сценарии применения

  • ответы на вопросы по изображениям на китайском языке
  • описание содержимого изображений в диалоге
  • визуальный диалог на китайском языке

Ограничения

Контекст ограничен 2048 токенами. Приведённая оценка относится к MMBench-CN, поэтому карточка не подтверждает аналогичное качество на других языках и задачах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card

📖 Technical report | 🏠 Code | 🐰 Demo

Bunny is a family of lightweight but powerful multimodal models. It offers multiple plug-and-play vision encoders, like EVA-CLIP, SigLIP and language backbones, including Llama-3-8B, Phi-1.5, StableLM-2, Qwen1.5, MiniCPM and Phi-2. To compensate for the decrease in model size, we construct more informative training data by curated selection from a broader data source. Remarkably, our Bunny-v1.0-3B model built upon SigLIP and Phi-2 outperforms the state-of-the-art MLLMs, not only in comparison with models of similar size but also against larger MLLM frameworks (7B), and even achieves performance on par with 13B models.

Bunny-v1.0-3B-zh employs MiniCPM-2B as the language model and SigLIP as the vision encoder. The model focuses on Chinese and achieves 64.9 on MMBench-CN test split.

The model is pretrained on LAION-2M and finetuned on Bunny-695K. More details about this model can be found in GitHub.

Quickstart

Here we show a code snippet to show you how to use the model with transformers.

Before running the snippet, you need to install the following dependencies:

pip install torch transformers accelerate pillow

If the CUDA memory is enough, it would be faster to execute this snippet by setting CUDA_VISIBLE_DEVICES=0.

Users especially those in Chinese mainland may want to refer to a HuggingFace mirror site.

import torch
import transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
from PIL import Image
import warnings

# disable some warnings
transformers.logging.set_verbosity_error()
transformers.logging.disable_progress_bar()
warnings.filterwarnings('ignore')

# set device
device = 'cuda'  # or cpu
torch.set_default_device(device)

# create model
model = AutoModelForCausalLM.from_pretrained(
    'BAAI/Bunny-v1_0-3B-zh',
    torch_dtype=torch.float16, # float32 for cpu
    device_map='auto',
    trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(
    'BAAI/Bunny-v1_0-3B-zh',
    trust_remote_code=True)

# text prompt
prompt = 'Why is the image funny?'
text = f"A chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, detailed, and polite answers to the user's questions. USER: <image>\n{prompt} ASSISTANT:"
text_chunks = [tokenizer(chunk).input_ids for chunk in text.split('<image>')]
input_ids = torch.tensor(text_chunks[0] + [-200] + text_chunks[1][1:], dtype=torch.long).unsqueeze(0).to(device)

# image, sample images can be found in images folder
image = Image.open('example_2.png')
image_tensor = model.process_images([image], model.config).to(dtype=model.dtype, device=device)

# generate
output_ids = model.generate(
    input_ids,
    images=image_tensor,
    max_new_tokens=100,
    use_cache=True,
    repetition_penalty=1.0 # increase this to avoid chattering
)[0]

print(tokenizer.decode(output_ids[input_ids.shape[1]:], skip_special_tokens=True).strip())

License

This project utilizes certain datasets and checkpoints that are subject to their respective original licenses. Users must comply with all terms and conditions of these original licenses. The content of this project itself is licensed under the Apache license 2.0.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BunnyMiniCPMForCausalLM
Ревизия весов
a67cbd0

0 моделей