/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,4 млрд
Размер весов
18,6 ГБ
Лицензия
MIT
Архитектура
internlm · dense
Опубликована
18 мар 2024

CoLLaVO-7B

Изображение и текст → текст3 профессии

CoLLaVO — модель языка и зрения на базе InternLM для ответов на текстовые инструкции по изображениям.

121скачиваний за 30 дней20лайковвеса обновлены3 окт 2024

Бенчмарки

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

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

CoLLaVO — мультимодальная модель языка и зрения, представленная в работе «CoLLaVO: Crayon Large Language and Vision mOdel». Репозиторий содержит веса модели; архитектура основана на InternLM и имеет 7,4 млрд параметров. Для работы с изображениями модель принимает изображение и инструкцию, затем генерирует текстовый ответ. Указанный размер контекста — 32 768 токенов.

Модель предназначена для сценариев, где нужно задавать вопросы об изображениях и получать ответы на естественном языке. Для запуска автор README отсылает к коду CoLLaVO на GitHub и описывает загрузку изображения, подготовку инструкции, предобработку, генерацию и декодирование. Лицензия — MIT. В карточке нет сведений о поддерживаемых языках или сравнительных оценках качества.

Сценарии применения

  • ответы на вопросы об изображениях
  • описание содержимого изображения по инструкции
  • извлечение визуальных сведений в диалоге
  • анализ изображения с генерацией текстового ответа

Ограничения

В карточке не приведены сравнительные оценки качества и перечень поддерживаемых языков. Для запуска требуются код CoLLaVO с GitHub и необходимые библиотеки.

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

CoLLaVO model

This repository contains the weights of the model presented in CoLLaVO: Crayon Large Language and Vision mOdel.

Simple running code is based on MoAI-Github.

You need only the following seven steps.

Simple running code is based on CoLLaVO-Github.

You need only the following seven steps.

[0] Download Github Code of CoLLaVO, install the required libraries, set the necessary environment variable (README.md explains in detail! Don't Worry!).

git clone https://github.com/ByungKwanLee/CoLLaVO
bash install

[1] Loading Image

from PIL import Image
from torchvision.transforms import Resize
from torchvision.transforms.functional import pil_to_tensor
image_path = "figures/crayon_image.jpg"
image = Resize(size=(490, 490), antialias=False)(pil_to_tensor(Image.open(image_path)))

[2] Instruction Prompt

prompt = "Describe this image in detail."

[3] Loading CoLlaVO

from collavo.load_collavo import prepare_collavo
collavo_model, collavo_processor, seg_model, seg_processor = prepare_collavo(collavo_path='BK-Lee/CoLLaVO-7B', bits=4, dtype='fp16')

[4] Pre-processing for CoLLaVO

collavo_inputs = collavo_model.demo_process(image=image, 
                                    prompt=prompt, 
                                    processor=collavo_processor,
                                    seg_model=seg_model,
                                    seg_processor=seg_processor,
                                    device='cuda:0')

[5] Generate

import torch
with torch.inference_mode():
    generate_ids = collavo_model.generate(**collavo_inputs, do_sample=True, temperature=0.9, top_p=0.95, max_new_tokens=256, use_cache=True)

[6] Decoding

answer = collavo_processor.batch_decode(generate_ids, skip_special_tokens=True)[0].split('[U')[0]
print(answer)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура internlm неизвестна transformers в образе рантайма.

Ревизия весов
a493c09

0 моделей